目的:建立肝脏增强CT的影像组学模型,研究其对乙型肝炎肝硬化继发肝性脑病风险的预测价值。方法:回顾性收集我院2013年2月至2017年4月确诊的乙型肝炎肝硬化患者304例,收集患者的基本信息、临床资料及肝脏动态增强CT图像。将304例患者整体分为训练组212例、验证组92例,训练组和验证组中临床症状具有肝性脑病表现的患者分别有38例、21例。从肝脏动态增强CT的门静脉期图像中总共提取到356个肝脏影像组学特征,另从病历资料中获取到3个相关的临床特征,包括:血清白蛋白、腹水和侧支循环开放情况。通过Z-Score及组内相关系数(Intraclass Correlation Coefficient,ICC)对数据进行标准化处理及一致性分析后,并使用最小绝对收缩和选择算法(The Least Absolute Shrinkage and Selection Operator,LASSO)来对影像组学特征进行筛选。将最终选择的特征用于建立了三个肝性脑病风险的预测模型,包括单独的影像组学模型、单独的临床模型以及由影像组学和临床特征共同构成的综合模型。采用多变量Logistic回归方法对预测模型的性能进行了测试,并通过受试者工作曲线(Receiver Operating Characteristic,ROC)及曲线下面积(Area Under Curve,AUC)对三种模型的预测性能进行评估。结果:在304例患者中,通过LASSO算法最终筛选出肝脏动态增强CT门静脉期图像的19个影像组学特征。将19个影像组学特征和3个临床特征用于建立单独的影像组学模型、单独的临床模型以及由影像组学和临床特征共同构成的综合模型。在训练组中,临床模型、影像组学模型、综合模型对肝性脑病发生风险评价的AUC值分别为0.76、0.91、0.94;在验证组中,三类模型对应的AUC值分别为0.73、0.86、0.87。在验证组中,综合模型比单独的临床模型具有更好的预测乙型肝炎肝硬化患者发生肝性脑病风险的性能,与单独的影像组学模型预测性能比较接近。结论:1)建立了三类模型评估乙肝肝硬化患者并发肝性脑病风险性,分别是单独的影像组学模型、单独的临床模型以及由影像组学和临床特征共同构成的综合模型;2)综合模型在评估乙肝肝硬化患者并发肝性脑病风险性方面取得了较好的诊断效能,训练组、验证组AUC值分别为0.94、0.87;3)综合模型在预测乙肝肝硬化患者并发肝性脑病风险性方面较单独临床特征有更好的性能,与单独影像组学模型接近。