基于CT影像组学的机器学习模型预测透明细胞肾癌的WHO/ISUP级别

目的 探讨基于三期CT图像的影像组学特征建立机器学习模型术前预测透明细胞肾细胞癌（ccRCC）WHO/ISUP核分级的价值。方法 回顾性收集2016年1月至2023年1月安徽医科大学第一附属医院经病理证实的236名ccRCC患者的3期（平扫期、皮髓质期、实质期）CT图像和临床病理资料。并按照7∶3的比例随机分为训练集和测试集,人工手动分割病灶后提取三期影像组学特征,并对提取得到的特征进行降维,筛选出最有价值的组学特征并用机器学习的方法建立3种机器学习模型,分别为逻辑回归（LR）、支持向量机（SVM）、随机森林（LR）。模型的诊断性能通过受试者工作特征曲线（ROC）及曲线下面积（AUC）来评估。结果 最终筛选得到15个有价值的特征用来构建模型,在测试集中3种机器学习模型的AUC值分别为0.797、0.753、0.761。结论 基于三期CT图像影像组学特征建立的机器学习模型在术前预测ccRCC的WHO/ISUP级别具有一定的价值。     

基于CT影像组学列线图鉴别非功能性神经内分泌肿瘤与实性假乳头状瘤

目的：探讨基于术前CT图像构建的影像组学列线图预测非功能性神经内分泌肿瘤（NF-pNETs）与实性假乳头状瘤（SPTs）的价值。方法：纳入87例经病理证实的NF-pNETs和SPTs,按7:3随机分为训练组（62例）和验证组（25 例）。使用A.K.软件对CT平扫、动脉期和延迟期图像提取肿瘤纹理特征。采用最大相关-最小冗余（mRMR）算法、套索（LASSO）算法及10折交叉验证进行特征降维,筛选出最具特征的参数。运用多因素Logistic回归筛选相关因子结合影像组学评分（Rad-score）,构建影像组学列线图模型。采用受试者工作特征（ROC）曲线评价影像组学模型区分二者的诊断效能。决策曲线分析（DCA）评价模型的获益情况。结果：CT平扫、动脉期和延迟期图像提取的396个特征经mRMR、LASSO和10折交叉验证筛选后最终保留特征分别为8个、6个、7个,综合模型最终保留10个特征。使用多因素Logistic回归构建包含性别、年龄、肿瘤最大径和CT平扫、动脉期、延迟期联合的Rad-score综合影像组学列线图。综合影像组学列线图的预测效能优于CT平扫、动脉期和延迟期建立的影像组学模型,训练组ROC曲线下面积为0.97（95%CI =0.94～1.00）,验证组为0.92（95%CI =0.81～1.00）。DCA显示风险阈值大于0.45时,使用综合影像组学列线图对鉴别二者的临床应用价值较大。结论：基于CT平扫、动脉期和延迟期构建的综合影像组学列线图对NF-pNETs和SPTs有较好的区分能力,可辅助作为一种术前评估的无创性影像学手段。     

CT纹理分析在肾脏透明细胞癌分级的临床应用

目的:探讨CT增强图像纹理分析为肾透明细胞癌(ccRCC)术前预测提供新的客观定量参数。方法:本文回顾性分析了2016年1月—2018年12月间我院医学影像科经病理证实的63例ccRCC CT图像。应用软件勾画出肿瘤的感兴趣区,然后计算图像纹理参数。采用两个独立的样本t检验(错误发现率校正)比较了Fuhrman低(Ⅰ～Ⅱ级)和高(Ⅲ～Ⅳ级)ccRCC的纹理特征值,并用受试者操作特征曲线(ROC)评价利用纹理特征预测Fuhrman高、低等级ccRCC的效果。结果:熵值在皮质期和髓质期对高级别组与低级别组ccRCC有统计学意义(P<0.05);相关性在髓质期对高级别组与低级别组ccRCC有统计学意义(P<0.05);熵值在ROC曲线在高、低两组ccRCC中皮质期和髓质期的曲线下面积分别为0.727和0.824;相关性在髓质期曲线下面积为0.872;高级别组ccRCC病灶大小大于低级组ccRCC,有统计学意义(P=0.007)。结论:CT纹理分析特征可以预测术前患者的Fuhrman分级,熵、相关性是临床应用最重要的影像指标。     

基于增强CT影像组学预测非肌层浸润性膀胱癌的病理分级

目的 探讨基于增强CT影像组学建立的非肌层浸润性膀胱癌（non-muscle-invasive bladder cancer，NMIBC）病理分级预测模型的诊断价值。方法 回顾性分析2015年1月至2018年12月嘉兴市第二医院病理确诊的81例NMIBC患者的临床资料，患者术前接受增强CT检查，收集其皮髓期和实质期影像资料，对膀胱肿瘤轮廓进行勾勒，提取一阶变量、纹理变量、形状特征、小波变换变量，总计1980个特征变量。采用最大相关最小冗余（max-relevance and min-redundancy，mRMR）算法与最小绝对收缩和选择算子（least absolute shrinkage and selection operator，LASSO）算法进行特征选择，最后利用多种机器学习算法结合有意义的特征变量建立预测模型，用于比较其预测NMIBC病理分级的敏感度、特异性和准确率。结果 运用mRMR联合LASSO筛选出19个特征变量，使用K近邻分类（K-nearest neighbor，KNN）、神经网络（neural networks，NNET）、随机森林（random forest，RF）、支持向量机（support vector machines，SVM）4种机器学习算法建立模型并验证。4种模型建立成功且结果相对一致，其中RF模型表现相对稳定，在验证集中准确率为91.4%。在测试集中准确率为70.0%。结论 通过术前增强CT影像组学结合机器学习算法可精准预测NMIBC病理分级，对推动膀胱癌个性化治疗具有科学意义。     

基于平扫CT影像组学Rad-score鉴别肾上腺乏脂性腺瘤和转移瘤的价值

目的 探讨基于CT平扫图像建立的影像组学Rad-score对鉴别肾上腺乏脂性腺瘤和转移瘤的诊断价值。方法 回顾性搜集2015年1月—2021年12月于唐山市人民医院行胸部或腹部CT平扫的150例肾上腺乏脂性腺瘤和130例肾上腺转移瘤患者,并随机分成训练集(196例)和测试集(84例)。利用3D-slicer软件从CT平扫图像提取影像组学特征,采用最小绝对收缩与选择算子算法(LASSO)和皮尔森相关系数检验进行特征降维、筛选得到有鉴别诊断价值的影像组学特征。利用多因素Logistic回归分析得到风险因素构建Rad-score,利用受试者操作特征曲线(ROC)及曲线下面积(AUC)评价其在训练集和测试集中诊断效能。结果 共提取1316个影像组学特征,经LASSO降维并筛选出17个组学特征,后去掉强相关特征,得到10个影像组学参数。利用多因素Logistic回归分析得到4个风险因素并构建了Rad-score。在训练集中,Rad-score鉴别诊断乏脂性腺瘤和转移瘤的最佳临界值为0.552,AUC为0.934,敏感度、特异度和准确率分别为0.817、0.918和0.868;在测试集中,Rad-...     

CT影像组学预测胃癌不同预后组织学分型的可行性

目的: 探讨CT影像组学在胃癌不同预后组织学分型预测中的应用价值。方法: 回顾性分析570例胃癌患者的临床资料,按组织学分型分为预后较差组和预后较好组,按照2 ∶1的比例随机分为训练组和验证组。采用软件ITK SNAP从CT图像中分割胃癌原发病灶。采用多因素分析筛选出与胃癌不同预后组织学分型最大相关性的临床特征,并以此构建临床特征模型。从所有分割图像中提取特征,再使用最大相关最小冗余(mRMR)、最小绝对收缩和选择算子(LASSO)回归和逐步回归筛选出有效特征,并以此建立影像组学标签。最后,拟合影像组学标签与临床特征,构建影像组学模型,并用受试者工作特征（ROC）曲线下面积（AUC）进行性能评估。结果： 提取了985个二维图像特征,包括一阶统计量、形状特征、纹理特征等。通过去冗余特征筛选,得到5个最有效特征构建影像组学标签。3个临床特征（年龄、性别、CT M分期）作为构建临床特征模型的参数。相较于临床特征模型和影像组学标签,影像组学模型的预测性能表现最佳,影像组学模型AUC在训练组和验证组分别为0.726 2(95%CI：0.676~0.776),0.707(95%CI：0.632~0.781)。结论： CT影像组学在术前无创预测胃癌不同预后组织学分型方面具有一定的应用潜力。     

MRI纹理分析在识别前列腺导管内癌成分中的价值

  目的  探究基于纹理分析的影像组学方法在识别前列腺癌导管内癌（intraductal carcinoma of the prostate gland, IDCP）成分中的价值。  方法  回顾性分析56例前列腺癌患者的磁共振成像（MRI）,其中单纯腺癌患者31例,含IDCP成分腺癌患者25例。分析病灶影像学特征,然后将纳入患者的T2加权成像（T2WI）,增强扫描动脉期、静脉期序列图像导入Omni-Kinetics软件进行病灶纹理特征的提取,建立基于各序列纹理参数及联合影像特征的回归预测模型。采用受试者工作特征（ROC）曲线评估各纹理模型的诊断效能。  结果  外周带病灶影像特征中,含IDCP成分腺癌患者外科包膜侵犯、突破前列腺包膜、精囊腺侵犯发生率高于单纯腺癌患者（P<0.05）;移行带病灶影像特征中,含IDCP成分腺癌患者伴前列腺增生、侵犯前列腺包膜、精囊腺侵犯和侵犯血管神经束等影像特征发生率更高（P<0.05）。在单纯腺癌与含IDCP成分腺癌的鉴别诊断中,外周带组中筛选出4个动脉期纹理特征,纹理模型和合并是否侵犯精囊腺的混合模型的曲线下面积（AUC）分别为0.890和0.938,两模型的 AUC 差异无统计学意义;移行带组中筛选出2个动脉期纹理特征和2个静脉期特征,纹理模型和合并是否侵犯血管神经束的混合模型的AUC分别为0.844和0.901,两模型的 AUC 差异无统计学意义。  结论  含IDCP成分的腺癌伴前列腺外侵犯征象的发生率更高。在识别IDCP成分上,与T2WI相比,增强序列纹理分析的结果更具有鉴别价值。     

CT纹理特征评估胰腺导管腺癌的分化程度

目的：探究基于术前增强纹理特征构建模型对评估胰腺导管腺癌(pancreatic ductal adenocarcinoma,PDAC)分化程度的价值。方法：回顾性收集2017年1月—2020年10月66例PDAC患者的病例资料,另外34例来自其他医院的PDAC患者被用于外部验证,根据术后病理结果分为高分化、中-低分化两组,分别记录患者的性别、年龄、肿瘤部位、肿瘤最大径、肿瘤强化程度、血管侵犯情况等临床及常规影像特征,进行单因素回归分析。采用ITK-SNAP软件勾画CT检查动、静脉期图像的感兴趣区(ROI),并提取图像纹理特征。利用单因素分析和二元 Logistic回归筛选独立预测因子并构建CT纹理特征模型,将训练组建立的预测模型直接应用于外部验证组,检验模型的准确度。应用受试者工作特征曲线(ROC)的曲线下面积(AUC)评价预测模型诊断价值。结果：基于动脉期及静脉期分别筛选出1个和2个纹理特征,分别为运行熵(run entropy)、区域百分比(zone percentage)和区域大小不均匀性(size-zone non-uniformity),其成为具有特征性的预测参数并分别构建了预测模型,基于CT动脉期纹理特征模型在训练组和验证组的AUC、灵敏度及特异度分别为0.716、0.581、0.824和0.722、0.600、0.765;基于CT静脉期纹理特征模型在训练组和验证组的AUC、灵敏度及特异度分别为0.895、0.781、0.882和0.873、0.722、0.929。结论：CT增强图像纹理特征在高分化、中-低分化PDAC之间存在差异,给术前评估PDAC恶性程度提供了新的方法。     

构建CT影像组学模型预测肺鳞状细胞癌肿瘤突变负荷

目的 探讨基于CT影像组学特征建立的模型对肿瘤突变负荷（TMB）状态的预测价值。方法 从癌症影像数据库（TCIA）下载37例肺磷状细胞癌（简称鳞癌）患者资料,在首次CT图像中勾画感兴趣区,再用医学图像处理软件（3D Slicer）提取影像组学特征并筛选出与TMB高度相关的特征,构建影像组学特征预测模型,进一步构建nomogram图,并评价其预测效能。结果 通过LASSO回归共筛选出与TMB相关的9个影像学特征,采用logistic回归,进一步筛选出TMB预测模型的3个影像学特征。该模型曲线下面积（AUC）为0.882,提示模型的预测效能良好。结论 基于CT影像组学特征建立的模型对肺鳞癌TMB状态有较好的预测价值。     

胃间质瘤CT影像特征及纹理参数与危险度分级的相关性

目的：探讨胃间质瘤影像学特征及CT纹理分析(CT texture analysis,CTTA)参数与肿瘤危险度分级的相关性。方法：回顾性分析经病理确诊的98例胃间质瘤患者术前CT影像学资料,并采用MaZda软件获得肿瘤的平扫和门静脉期图像的CTTA参数。分析CT影像特征及CTTA参数与病理危险度分级的相关性。结果：肿瘤大小、生长方式、形态、边缘、肿瘤与周围脏器关系、强化均质性、有无瘤内坏死或囊变、肿瘤局部异常血管与肿瘤危险度分级有较好相关性(P<0.05);将单因素分析存在统计学意义的影像学特征进行有序多分类logistic回归分析,所有特征间差异无统计学意义(P>0.05)。MaZda软件的纹理参数分析显示：提取的30个最优CT纹理参数中entropy与危险度分级之间存在相关性(P<0.05)。结论：CT影像特征及图像纹理参数有助于对胃间质瘤危险度分级的判断。     

基于钆塞酸二钠增强磁共振成像影像组学定量评估肝硬化患者肝脏储备功能的应用价值

目的 利用影像组学技术探究基于钆塞酸二钠增强磁共振成像(MRI)肝胆期图像的影像组学特征与肝硬化Child-Pugh 分级的相关性,创建列线图预测模型并评价其对肝硬化患者肝脏储备功能的预测价值。方法 收集符合纳入标准的100例肝硬化患者,按照Child-Pugh分级标准分成52例Child-Pugh A级患者和48例Child-Pugh B+C级患者,并分别按照7∶3的比例随机分成训练集和测试集。采用AK软件提取训练集患者的钆塞酸二钠增强MRI肝胆期图像的影像组学特征,采用最小绝对收缩与选择算子算法特征选择算法对数据进行降维、特征选择和构建影像组学标签。根据影像组学标签创建预测肝脏储备功能Child-Pugh B+C级的列线图预测模型,将该模型分别应用于训练集和测试集中,并利用受试者工作特征(ROC)曲线定量评估其诊断效能。结果 经过对利用AK软件提取的396个纹理特征参数进行降维筛选,最终得到7个影像组学特征参数。根据以上特征建立构建影像组学标签并创建列线图预测模型。通过Wilcoxon秩和检验统计分析训练集和测试集中的Child-Pugh A级和Child-Pugh B+C级的影像组学标签分数值的差异均具有统计学意义(P=0.000,P=0.001)。列线图预测模型预测肝脏储备功能Child-Pugh B+C级的诊断效能在训练集及测试集中的ROC曲线下面积分别为0.88和0.86。结论 根据不同肝脏储备功能的肝硬化患者影像组学标签创建的列线图预测模型可以作为肝脏储备功能的较为准确可靠的辅助检测工具,为临床医生更加准确评估肝硬化患者的肝脏储备功能提供一种新手段。     

定量CT纹理分析评估肾透明细胞癌Fuhrman分级的价值

目的探讨定量CT纹理评估肾透明细胞癌(clear cell renal cell carcinoma,ccRCC)核分级。方法78例ccRCC分为52例Fuhrman低级别和26例高级别组。结果不同Fuhrman分级的平均值、标准差和相关度有差别(P<0.05),相关度可鉴别ccRCC的Fuhrman高、低级别(P<0.05),CT纹理特征间存在相关性(P<0.05)。结论定量CT纹理对ccRCC Fuhrman分级有应用价值。     

基于数据库分析CCR基因对肾透明细胞癌预后的预测价值

目的 利用信息库资料探讨趋化因子受体家族对肾透明细胞癌(ccRCC)预后的预测价值。方法 下载并分析癌症基因组图谱(TCGA)的基因表达数据,筛选CC趋化因子受体(CCR)亚基因家族在正常组织与ccRCC组织中的差异表达基因。采用COX回归分析构建预后模型并进行相关功能学分析。结果 从TCGA数据库下载包括539例ccRCC组织和72例正常组织的基因转录组数据,筛选出11个差异表达的CCR家族基因。通过多因素Cox回归分析得到2个(CCR3与CCR10)与ccRCC预后相关的CCR基因,并以此构建预后模型。根据模型风险评分的中位值将训练集样本分为高风险组(n=184)与低风险组(n=197)。Kaplan-Meier生存分析结果显示,低风险组总生存率高于高风险组,差异有统计学意义(P<0.001)。结论 本研究构建的CCR基因预后模型可较好地评估ccRCC患者的预后并指导其个体化治疗。     

基于术前CT影像组学列线图可预测Ⅰ～Ⅲ期肾透明性细胞癌术后复发

目的 探讨Ⅰ~Ⅲ期肾透明细胞癌术后复发的术前CT影像组学特征并构建列线图,以期为肾癌个体化治疗提供参考。方法 回顾性收集256例（训练集175例,测试集81例）肾透明细胞癌患者的临床病理及 CT 资料。利用 ITK-SNAP 软件和PyRadiomics计算平台对肿瘤的容积图像进行分割和特征提取。训练集中,基于lasso-CV算法进行特征筛选,并计算影像组学评分Rad_score;利用单因素和多因素逻辑回归分析筛选临床病理及CT特征为Clinic因素;构建Rad_score、Clinic、Rad_score+Clinic列线图,并在测试集中进行验证。评估列线图的辨别度和校准度,应用决策曲线分析评估其临床应用价值。结果 6个影像组学特征最终用于计算Rad_score。Clinic因素为KPS评分、血小板、钙化和TNM临床分期。在辨别度方面,Rad_score+Clinic列线图的效能（训练集AUC 0.84,测试集AUC 0.85）显著高于Rad_score列线图（训练集AUC 0.78,P=0.029;测试集AUC0.77,P=0.025）和 Clinic列线图（训练集AUC 0.77,P=0.014,测试集AUC 0.77,P=0.011）。校准度方面,Rad_score+Clinic列线图拟合优度检验为训练集P=0.065,测试集P=0.628。决策曲线分析显示,加入Rad_score后的Rad_score+Clinic列线图比单纯Clinic列线图应用价值高。结论 基于术前CT影像组学特征的列线图预测Ⅰ~Ⅲ期肾透明细胞癌术后复发有较高的效能,可为肾癌个体化治疗提供参考。     

原发性透明细胞型肝癌的三期增强CT表现与病理分化程度研究

目的探讨原发性透明细胞型肝癌（PCCCL）三期增强 CT 表现与病理分化程度间的相关性。方法分析9个经病理证实病灶三期增强 CT 表现,并与其病理分化程度进行对照。结果1个病灶动脉期呈高密度,门静脉呈稍高密度,延迟期为低密度,病理为低分化;另3个平扫及三期增强较邻近正常肝实质为低密度,病理示1个为中分化,2个为高-中分化;余5个“快进快出”病灶均为低分化。结论 PCCCL 三期增强 CT 相对肝实质呈低密度者多见于中高分化小肝癌。     

成纤维细胞生长因子受体2在肾透明细胞癌中的表达及意义

目的: 研究成纤维细胞生长因子受体2(fibroblast growth factor receptor 2,FGFR2)在肾透明细胞癌(clear cell renal cell carcinoma,ccRCC;or kidney renal clear cell carcinoma,KIRC)中的表达情况,对FGFR2的表达与ccRCC临床病理特征及预后关系进行分析,并研究FGFR2的表达与其他分子之间作用关系,探讨其在ccRCC发生发展中的作用。方法: 从肿瘤基因图谱(The Cancer Genome Atlas, TCGA)数据库及基因表达综合(Gene Expression Omnibus,GEO)数据库中下载ccRCC患者的基因表达及临床信息资料,进行转化及整理,并收集北京大学第一医院泌尿外科104例临床ccRCC样本及癌旁正常组织样本,进行免疫组织化学染色(immunohistochemistry, IHC),对染色结果进行评分,从而比较ccRCC和癌旁正常组织中FGFR2的蛋白表达情况;采用实时荧光定量聚合酶链反应(quantify real-time polymerase chain reaction,qRT-PCR)检测正常的肾上皮细胞系(293)和肾细胞癌细胞系(786-O、769-P、OSRC-2、Caki-1、ACHN、A498)中FGFR2的mRNA表达水平;对数据库中的ccRCC患者进行进一步分析,研究FGFR2表达与ccRCC患者临床病理特征(包括TNM分期和病理分级)以及生存预后的关系,分析ccRCC患者中FGFR2表达与B细胞、T细胞、自然杀伤(natural killer,NK)细胞及中性粒细胞浸润的关系,并使用生物交互数据集通用存储库(Biological General Repository for Interactionh Datasets,BioGRID)构建蛋白质相互作用(protein-protein interaction,PPI)网络,利用网络研究与FGFR2蛋白相互作用的分子。结果: 在TCGA数据库中,相较于正常组织样本,FGFR2在ccRCC组织样本中表达下调,在GEO数据库中的表达也呈现出这一差异,并且FGFR2在ccRCC临床样本及ccRCC细胞系中表达下调,此外,FGFR2表达水平与ccRCC高分级分期相关,与ccRCC患者较好的预后相关,并且FGFR2表达与B细胞、T细胞、NK细胞及中性粒细胞浸润无明显相关关系。PPI网络显示FGFR2蛋白与某些分子间存在相互作用。结论: 本研究揭示了FGFR2与ccRCC发生发展的潜在作用关系,提示FGFR2可能作为ccRCC患者的预后标志物和潜在治疗靶点。     

肾细胞癌的CT影像特点及病理分型

目的结合病理分型分析肾细胞癌的CT影像特点以提高诊断的准确率.方法收集昆明医科大学第二附属医院手术病理证实的36肾细胞癌,术前均做CT检查(平扫、动态增强扫描),回顾性分析CT影像特点并与病理结果对照.结果 25例透明细胞癌,1例颗粒细胞癌,2例多房囊性肾细胞癌,4例乳头状癌,3例嫌色细胞癌,1例集合管癌.新的病理分型将颗粒细胞癌和多房囊性肾细胞癌均归入透明细胞癌,此类型血供丰富,增强扫描后明显强化;而乳头状癌和嫌色细胞癌相血供相对较少,强化程度低于透明细胞癌.结论各型肾细胞癌的CT影像表现的特异性不强,最终分型仍依靠病理,仔细分析肾癌的CT影像特点与病理之间的关系有助于诊断和鉴别诊断.     

基于急诊CT平扫影像组学在预测腹主动脉综合征中的价值

目的：探讨基于急诊CT平扫影像组学在腹主动脉综合征（AS）中的诊断价值。方法：收集2012年8 月至2020 年10 月于温州医科大学附属第二医院行腹部CT平扫和增强的急诊患者145 例。根据是否患有腹部AS,将所有患者按分层抽样法以7:3分为训练集和验证集。逐层手动勾画CT平扫图像上的腹主动脉并从中提取影像组学特征。经特征筛选后构建影像组学标签,并以此计算每位患者的影像组学评分（Radscore）。采用单因素和多因素Logistic回归分析寻找预测腹部AS的临床危险因素。最后使用多因素Logistic回归构建基于临床危险因素和Rad-score的联合模型,绘制列线图。使用受试者工作特征（ROC）曲线评估模型的诊断性能。结果：单因素和多因素Logistic回归分析显示,腹痛（OR =0.48,95%CI =0.19～1.22,P =0.12）、钙化斑内移（OR =8.76,95%CI =3.27～23.45,P ＜0.001）是腹部AS的危险因素,其构建的临床模型在验证集的ROC曲线下面积（AUC）为0.79。8个影像组学特征被选择用于构建影像组学标签,其在验证集的AUC为0.88。将该标签与临床模型结合获得联合模型,其在验证集的AUC为0.89。临床决策曲线显示,联合模型的临床实用性最优。结论：基于腹部CT平扫影像组学和临床危险因素构建的列线图能较好地预测急诊患者是否患有腹部AS。     

螺旋CT多期增强扫描在肾癌诊断中的临床应用

目的探讨螺旋CT多期增强扫描对肾癌的临床诊断价值。方法回顾性分析本院2009年4月-2015年8月经病理证实115例肾癌患者的CT影像资料,观察CT图像表现,并以手术病理结果为对照,评价螺旋CT多期增强扫描对肾癌分期、分型的诊断价值。结果 CT诊断肾癌Ⅰ期50例,Ⅱ期35例,Ⅲ期20例,10~(-3)期10例,与手术病理结果对照,诊断总符合率80.0%。不同亚型肾癌患者CT平扫期、动脉期、实质期、排泄期CT值比较差异有统计学意义(P0.05)。透明细胞癌动脉期、实质期、排泄期CT值分别显著高于嫌色细胞癌、乳头状癌(P0.05)。乳头状癌平扫期CT值为(42.9±8.6)HU,显著高于透明细胞癌、嫌色细胞癌的(36.6±6.0)HU、(35.7±5.3)HU,差异有统计学意义(P0.05)。CT显示类圆形病灶84个;强化模式:透明细胞癌以不均匀强化为主,嫌色细胞癌以均匀强化为主。结论螺旋CT多期增强扫描因其密度、强化等特点对肾癌分期诊断准确率较高,有助于肾癌临床分型。