目的 探討采用 CT 平掃圖像紋理分析的方法對肝癌和肝血管瘤進行鑒別診斷的可行性。 方法 回顧性納入 2014 年 1 月至 2014 年 9 月期間在四川大學華西醫院行 CT 平掃檢查且經病理檢查結果證實為肝癌和肝血管瘤患者共 56 例，男 35 例，女 21 例；年齡（52.4±12.079）歲。排除圖像有偽影干擾和病灶直徑小于 1.0 cm 的患者 4 例，剩余 52 例患者共 57 個病灶（肝癌 25 個、肝血管瘤 32 個）的 CT 平掃圖像用于紋理分析，從灰度直方圖、共生矩陣、絕對梯度、自回歸模型及小波變換中提取紋理特征值，再利用費希爾參數法（Fisher）、最小分類誤差與最小平均相關系數法（POE+ACC）及相關信息測度法（MI）分別選擇 10 個最優紋理特征值，然后用 Mazda 中的 B11 模塊提供的線性判別分析法（LDA）和非線性判別分析法（NDA）對紋理特征進行分析，計算出其識別肝癌和肝血管瘤的最小錯誤率。LDA 的最大分類特征應用于 K 鄰近分類（KNN），NDA 提取出的數據用于神經網絡（ANN）進行鑒別診斷。 結果 NDA/ANN-POE+ACC 法鑒別肝癌和肝血管瘤最好，最小錯誤率最低，該方法分別與 LDA/KNN-Fisher、LDA/KNN-POE+ACC、LDA/KNN-MI、NDA/ANN-Fisher 及 NDA/ANN-MI 法對比分析，差異均有統計學意義（χ2 值分別為 4.56、4.26、3.14、3.14、3.33，P 值分別為 0.020、0.018、0.026、0.026、0.022）。 結論 Mazda 紋理分析軟件的不同紋理特征選擇方法以及不同分析方法對 CT 平掃圖像中肝癌和肝血管瘤鑒別的最小錯誤概率均較低，其中 NDA/ANN-POE+ACC 法鑒別效果最好。因此，利用 CT 平掃圖像紋理分析的方法對肝癌和肝血管瘤進行鑒別診斷是可行的。