摘要目的:基于术前18F-氟代脱氧葡萄糖正电子发射断层扫描/计算机断层扫描(18F-FDG PET/CT),构建并验证结合深度学习(DL)特征、手工影像组学(HCR)特征和临床参数的多模态模型,用于术前预测结直肠腺癌淋巴结转移(LNM)及评估预后价值.方法:回顾性分析2011年7月-2021年12月行术前18F-FDG PET/CT检查并确诊为Ⅱ/Ⅲ期结直肠腺癌患者338例.按照8∶2随机将患者划分为训练集(n=270)和测试集(n=68).使用ResNet50模型作为DL特征提取的基础模型,分别于PET及CT图像提取HCR特征及DL影像组学特征,采用Pearson相关性系数、最大相关最小冗余(mRMR)、最小绝对收缩与选择算子(LASSO)算法等筛选最优影像组学特征,采用单因素与多因素Logistic回归分析筛选临床参数中独立危险因素.分别基于HCR特征、DL特征、临床参数及三者组合特征,构建Logistic回归(LR)、支持向量机(SVM)、k近邻(KNN)、随机森林(RF)、极度随机树(ET)、极端梯度提升(XGBoost)、轻量级梯度提升机(LightGBM)及多层感知器(MLP)8种机器学习模型.绘制受试者操作特征(ROC)曲线及校准曲线,比较曲线下面积(AUC)、准确率、敏感度、特异度以评估模型的性能.结果:单因素及多因素Logistic回归分析显示临床参数中淋巴结最大短径(OR=2.645)及淋巴结SUVmax(OR=4.093)为预测LNM的独立风险因素(P＜0.05).通过整合DL特征、HCR特征及临床参数构建的联合模型表现出优秀的预测性能,其在训练集与测试集中的AUC分别为0.829(95％CI:0.780～0.878)和0.735(95％CI:0.614～0.857),优于单一临床模型,校准曲线表明模型具有良好的预测一致性.Kaplan-Meier生存曲线分析显示LNM显著增加患者复发或转移风险.结论:基于术前18 F-FDG PET/CT深度学习的影像组学模型能够较准确预测结直肠腺癌患者的LNM,为术前精准分期及个体化治疗提供重要依据.