第一部分 CT形态学特征鉴别甲状腺乳头状癌颈部转移淋巴结的价值目的:探讨CT影像特征评估甲状腺乳头状癌颈部转移与非转移性淋巴结的价值。方法:收集本院经病理证实为甲状腺乳头状癌且术前两周内行颈部能谱CT增强检查的患者78例,根据颈部清扫后病理结果将最大短径≥5mm的淋巴结分为两组:转移组117例,非转移组176例。由两位放射科医师以盲法分别评估入组各个淋巴结的最大短径、形状、边缘、强化程度和强化方式以及有无钙化、囊变/坏死、结外侵犯等CT形态学征象。采用χ2检验或Fisher确切概率法比较转移组与非转移组间CT影像特征的差异。利用Logistic回归分析转移淋巴结的独立危险因素并建立联合影像特征模型,其诊断效能通过ROC曲线评估。结果:除最大短径外,转移组和非转移组淋巴结的各种CT形态学特征的差异均有统计学意义（P＜0.05）,其中灵敏度最高的征象是强化程度,特异度最高的征象是钙化。联合形状不规则、明显强化、不均匀强化和钙化建立的Logistic回归模型诊断转移性淋巴结的AUC为0.763,95%CI0.706～0.819,灵敏度为59.8%,特异度为81.8%。结论:CT形态学特征诊断甲状腺乳头状癌颈部淋巴结转移有一定价值,出现形状不规则、明显强化、不均匀强化和钙化时应优先考虑为转移性淋巴结,但联合上述CT形态学特征建立的多因素Logistic模型灵敏度相对较低。第二部分 影像组学特征、能谱定量参数及两者联合列线图术前诊断甲状腺乳头状癌转移性淋巴结的价值目的:联合能谱CT影像组学特征和能谱定量参数建立Logistic回归模型并绘制列线图,探讨其用于术前诊断甲状腺乳头状癌颈部淋巴结转移的价值。方法:回顾性分析本院经手术病理证实为甲状腺乳头状癌并且术前两周内行颈部能谱CT增强检查的78例患者,共纳入293枚淋巴结。按照3:1的比例随机分配为训练集（135枚非转移性和84枚转移性）和验证集（41枚非转移性和33枚转移性）。从静脉期碘图中提取影像组学特征,利用LASSO回归降维并结合10倍交叉验证筛选出最佳影像组学特征。分别基于影像组学特征、能谱定量参数和两者结合建立影像组学模型、能谱参数模型和联合模型,并绘制列线图将联合模型可视化。通过ROC曲线、校准曲线、决策曲线分析评估三种模型的鉴别能力、校准能力及临床应用价值。此外,随机选取一个独立测试集,比较人工智能（AI,即影像组学模型）和4名放射科医师（包括2名高年资医师和2名低年资医师）的诊断效能。结果:联合模型的列线图表现出最佳的诊断效能,在训练集和验证集中AUC分别为0.943和0.969,显著优于（P＜0.001）影像组学模型（训练集AUC为0.832,验证集AUC为0.816）和能谱参数模型（训练集AUC为0.845,验证集AUC为0.854）。所有模型均显示出良好的校准能力,决策曲线分析表明列线图的临床实用性优于其他两种模型。此外,AI诊断转移性淋巴结的AUC值均高于4名放射科医师,2名低年资医师在AI的辅助下诊断效能明显提高,差异有统计学意义（P＜0.05）。结论:联合影像组学特征和能谱定量参数绘制的列线图在诊断甲状腺乳头状癌患者淋巴结转移方面表现出良好的性能,可以作为辅助临床决策的有用工具。