李逸凡，骆源，郭丽，梁猛

肺癌是当前我国致死率排名第一的癌症。与X线胸片相比，低剂量CT检查可以有效提升肺癌的早期检出率，从而提高治愈率、降低死亡率[1-2]。在CT检查中对肺结节的良、恶性进行分类是肺癌早期筛查的重要一环，然而，对肺结节良恶性的准确鉴别仍是目前的难点。常规影像学检查主要通过分析病变的影像学征象来进行判断，如钙化、分叶征和毛刺征等，没有充分利用图像数据。影像组学通过对医学影像图像进行定量化测量，高通量提取图像的纹理特征，实现对图像数据的深入挖掘[3]。当前，影像组学方法已在肺腺癌和肉芽肿的鉴别、肺癌预后预测、基因表型检测、腺癌侵袭性分型、结节影像学性质、结节良恶性分类等方面得到了广泛应用[4-11]，其可重复性也得到了一定的研究[12]。

肺图像数据库联盟与图像数据库资源计划(Lung Image Database Consortium and Image Database Resource Initiative,LIDC-IDRI)这一公开数据库是当前全球最大的肺结节影像数据库[13]，有1018份完整的肺部CT扫描数据及注释文件[14]。国际光学工程学会-美国医学物理学家协会肺部CT挑战(Society of Photo-Optical Instrumentation Engineers- American Association of Physicists in Medicine Lung CT Challenge，SPIE-AAPM Lung CT Challenge，简称LUNGx)公开数据集是2015年SPIE医学影像会议的一部分，提供了可用来对比计算机辅助诊断(computer assistant detection，CAD)算法性能的数据库[15]，并标注了肺结节的位置及其良恶性。LIDC-IDRI和LUNGx数据库中被试信息均经过匿名化处理，且不提供临床资料。

已经有多项研究使用LIDC-IDRI数据库并利用影像组学方法来构建肺结节的良恶性分类器，结果均肯定了影像组学特征在肺结节诊断中的价值[16-17]。但是这些研究中分类器的训练和测试均来自同一数据集，缺少外部验证集，因此，难以评估其结果的泛化性能及可靠性。……