目的：　　探讨孤立性肺结节患者影像学结合肿瘤标记物在孤立性肺结节(solitary pulmonary nodules, SPN)良恶性诊断中的价值，并通过单因素和多因素分析建立SPN良恶性数学预测模型。　　方法：　　回顾性分析桂林医学院附属医院胸外科2015年1月至2016年12月高分辨CT行胸部增强扫描证实为孤立性肺结节，行胸腔镜手术治疗并经术后病理证实为良性或恶性的 97例孤立性肺结节病例，收集整理患者临床及影像特征，包括：年龄、性别、吸烟史、肿瘤家族史、肿瘤既往史、结节直径、位置、边界情况、分叶征、毛刺征、血管集束征、胸膜凹陷征、空洞、钙化、CEA、NSE、Cyfra21-1、SCCA等相关数据，通过单因素和多因素分析其与SPN病变性质的关系，并建立数学预测模型。　　结果：　　单因素分析显示，良性与恶性SPN患者在年龄、吸烟史、结节直径、边界、分叶、毛刺、胸膜凹陷征、CEA、NSE、Cyfra21-1、SCCA上均有统计学意义（p＜0.05），多因素logistic回归分析显示：结节最大直径、毛刺、边界、血清Cyfra21-1、CEA等5项因素在良恶性SPN之间的差异有统计学意义（P<0.05），是判断SPN性质的独立危险因素。通过多因素logistic回归分析建立数学预测模型P=ex/(1+ex)，其中X=-17.230+（3.175×直径）+（2.575×边界）+（3.556×毛刺）+（1.593×CEA）+（1.577×Cyfra21-1），e为自然对数。根据预测模型预测P值为检验指标，以病理诊断为金标准进行对比，显示预测模型受试者工作特征曲线（receiver operating characteristic curve，ROC）下面积为0.989（0.974，1.000），诊断准确性高。　　结论：　　本研究将高分辨CT影像学资料与肿瘤标记物结合，可提高孤立性肺结节良恶性判断准确率，本研究建立的数学预测模型对于 SPN良恶性判断具有较高的灵敏性和特异性。