[背景]肺腺癌是高发的肺癌类型,手术是治疗T1期肺腺癌患者的首选方法,患者有无淋巴结转移关系到手术方式的选择,因此术前预测淋巴结转移可以辅助医生制定手术方案。影像组学是一项新兴的技术,它应用医学图像的高通量数字信息,可以构建准确性高的预测模型,但类别不平衡数据会影响模型的性能。因此,为解决不平衡数据的T1期肺腺癌淋巴结转移预测问题,本文提出基于PET/CT影像组学不平衡数据校正的预测模型,并分析PET/CT影像组学特征与临床、放射学特征互补的预测价值。[材料与方法]1.收集183例（148/35无转移/淋巴结转移）肺腺癌病例,随机划分为训练集和验证集。从PET/CT图像分别提取487个影像组学特征,通过特征降维,选出最优的特征组合建立影像组学模型。4个临床特征和7个PET/CT放射学特征用于建立传统模型。组合显著的临床、放射学和影像组学特征建立联合模型。针对类别不平衡问题,本文采用十种重采样方法调整训练集中多数类（无转移）和少数类（淋巴结转移）的数目,然后分别建立基于十种重采样方法的模型。模型采用逻辑回归算法构建。2.选出92例实性肺腺癌病例作为亚组,分析影像组学模型对实性肺腺癌患者的淋巴结转移预测能力。3.采用100次重复的蒙特卡罗交叉验证评估两种特征选择和重采样方法结合策略（先特征选择再重采样或先重采样再特征选择）对影像组学模型预测性能的影响。AUC和G-mean用于评价模型的预测性能。[结果]1.2个临床特征、2个放射学特征、8个PET/CT影像组学特征与淋巴结转移显著相关。联合模型的AUC高于传统模型和影像组学模型（训练集:0.88 vs.0.84,0.86;验证集:0.70 vs.0.67,0.67）。经 ENN（Edited Nearest Neighbours,ENN）重采样技术进行类别平衡调整后,三个模型的预测性能均得到提高。ENN+联合模型的预测性能优于ENN+传统模型和ENN+影像组学模型,它们在训练集的 AUC 分别为 0.94 vs.0.89,0.92,G-mean 分别为 0.88 vs.0.82,0.80;验证集的 AUC 分别为 0.75 vs.0.68,0.71,G-mean 分别为 0.76 vs.0.64,0.51。2.影像组学模型具有预测实性肺腺癌淋巴结转移的能力,其在训练集和验证集的AUC分别为0.75和0.59,G-mean分别为0.74和0.55。3.影像组学模型在先特征选择再重采样的结合策略下获得比反向结合策略更高的AUC（0.76±0.06 vs.0.70±0.07,P＜0.001）。[结论]1.PET/CT影像组学特征可为临床和放射学特征提供互补的预测价值。基于ENN重采样技术的联合模型在类别不平衡的T1期肺腺癌患者中有较强的淋巴结转移预测能力。2.影像组学模型具有预测实性肺腺癌淋巴结转移的潜力。3.不平衡数据校正的影像组学模型在构建过程中应先进行特征选择再进行重采样。