【目的】
　　探讨基于CT类灌注图像中的纹理分析在鉴别甲状腺结节良恶性中的价值。
　　【方法】
　　回顾性分析手术切除且病理证实为良性和恶性患者115例，良性组69例，恶性组46例。将扫描后的CT增强图像（DICOM格式）导入C.K.（CTKinetics，GEHealthcare）软件中，并对软件生成的类灌注图像进行纹理分析。对结果进行正态分布检验，对符合正态分布采用独立样本t检验，对不符合正态分布采用Wilcoxon秩和检验，均以P＜0.05为统计学意义，并对有统计学意义的纹理参数进行受试者操作特征（ROC）曲线分析。根据约登指数最大值，计算出各参数的临界值以及对应的敏感度及特异度，从中选取意义较大的参数帮助提高对甲状腺良恶性结节的诊断水平。
　　【结果】
　　类灌注曲线下面积(areaundercurve，AUC)图像、类灌注最大浓度(maximumconcentration,MaxConc)图像、类灌注最大斜率(Maximumslope,MaxSlope)图像及类灌注达峰时间(timetopeak，TTP)图像得到有统计学意义的参数分别为10、12、11及6个。曲线下面积在0.619到0.820间。
　　1.AUC图：体积数的AUC（ROC曲线下面积）及敏感度最高（AUC=0.820，阈值（恶性）：＜2202，特异度/敏感度：67％/85％），对比度的特异度最高（AUC=0.716，阈值（恶性）：＞2904.72，特异度/敏感度：91％/48％）。
　　2.MaxConc图：体积数的AUC（ROC曲线下面积）及敏感度最高（AUC=0.820，阈值（恶性）：＜2202，特异度/敏感度：67％/85％），对比度的特异度最高（AUC=0.724，阈值（恶性）：＞3160.44，特异度/敏感度：90％/54％）。
　　3.MaxSlope图：体积数的AUC（ROC曲线下面积）及敏感度最高（AUC=0.820，阈值（恶性）：＜2202，特异度/敏感度：67％/85％），对比度的特异度最高（AUC=0.708，阈值（恶性）：＞3992.24，特异度/敏感度：88％/52％）。
　　4.TTP图：体积数的AUC（ROC曲线下面积）最高（AUC=0.820，阈值（恶性）：＜2202，特异度/敏感度：67％/85％），灰度不均匀度的特异度最高（AUC=0.799，阈值（恶性）：＞83.43，特异度/敏感度：86％/63％），相对差的敏感度最高（AUC=0.747，阈值（恶性）：＞942994.5，特异度/敏感度：57％/87％）。
　　【结论】
　　CT类灌注图像的纹理分析，对提高鉴别甲状腺结节良恶性的诊断水平具有一定价值。