摘要目的 尝试设计一款计算机辅助诊断系统软件,测试与评价其在肺内孤立性结节的诊断价值.方法 收集100例经手术或穿刺病理证实的孤立性肺结节(solitary pulmonary nodule,SPN),其中包括恶性肿瘤、良性肿瘤、结核和炎性假瘤.对其4个临床参数和11个CT扫描评价指标(CT征象、继发改变和其他异常)进行影像学分析与评价,积累肺内孤立性结节的数据以及对数据属性信息进行描述、量化,形成数据集.随机抽选60例用作训练集,40例用作测试集,统计10次结果.分别测试决策树C4.5,贝叶斯网以及支持向量机(support vector machine,SVM)算法对肺结节良恶性的预测效果.对结节特征采用logistic回归分析,建立logistic回归模型,用ROC曲线分析评价logistic模型.结果 决策树C4.5,贝叶斯网,SVM算法的敏感度分别为74.4％、76.1％、80.9％,假阳性率分别为30％、21％、15.7％,正确率分别为72.5％、77.5％、82.5％.C4.5,贝叶斯网,SVM算法ROC曲线下面积S分别为0.750、0.775、0.825,标准误分别为0.080、0.077、o.070.咳血,边缘轮廓,毛刺情况,与血管关系,与胸膜关系对癌症分类均有统计学意义.建立logistic 诊断模型为:logit(P) =4.5582-(0.8748×咳血)-(0.6913×边缘轮廓)-(0.6045×毛刺)-(1.1710×与血管关系).ROC曲线下面积为0.8902,特异度为0.78,灵敏度为0.93.结论 SVM算法在预测肺孤立性结节良恶性具有较高的敏感性和准确性及较低的假阳性.计算机辅助诊断系统在肺内孤立性结节良恶性诊断具有一定的临床使用价值.咳血,边缘轮廓,毛刺情况,与血管关系,与胸膜关系对癌症分类均有统计学意义.本软件可以辅助临床医生对孤立性肺结节良恶性进行诊断.