目的:研究使用机器学习与影像组学建立用于鼻咽癌CT图像中鉴别转移淋巴结的模型。方法:选择50例鼻咽癌患者初诊CT平扫及静脉灌注增强图像及18F-FGD-PET图像,患者均经病理及PET检查证实为鼻咽癌伴局部淋巴结转移。手动勾画患者CT图像中体积>1 cm³的淋巴结,由¹⁸F-FGD-PET图像中对应区域SUV_max>2.5及现行影像学标准作为转移与否的分类标准。研究中共获得143枚淋巴结,其中转移淋巴结103枚。使用机器学习方法对上述分类结果进行训练,其中列入训练组淋巴结100枚,验证组43枚,分组方式为随机分组以避免特定的分组方式造成的系统误差。结果:机器学习过程中获得由淋巴结体积、最大横截面短轴及数个影像组学特征构建模型,模型对转移淋巴结的鉴别准确率可达86%。特征选择结果得出:最大横截面直径、平均宽度、灰度强度能量、像素数量、频度、形态密实度等可作为诊断转移淋巴结的重要特征。结论:研究中建立的鉴别模型可在CT图像中实现辅助诊断转移淋巴结,为影像检查中快速判定鼻咽癌患者淋巴结是否转移提供一种新思路,有利于个体化放疗中靶区的精准勾画。