目的基于四维计算机断层扫描图像（4DCT）分析非小细胞肺癌影像组学特征的稳定性，评估该方法用于影像组学特征筛选的可行性。
资料与方法选取20例非小细胞肺癌患者共组CT影像，提取不同时相的影像组学特征，包括常规及纹理特征共60项。统计各特征在不同时相间的一致性相关系数（CCC）。引入动态范围指标（DR）量化各特征在不同患者间的差异。
结果CCC0.85的特征占总数的70%（42/60）；CCC0.95的特征占总数的35%（21/60）。DR0.85的特征占总数的91%（55/60）；DR0.95的特征占总数的21%（13/60）。阈值在0.9~0.95范围间的筛选差异显著。使用CCC0.95、DR0.95筛选出10项特征，占本研究总特征数的16.7%（10/60）。
结论4DCT多时相对比能够实现非小细胞肺癌影像组学特征稳定性分析，可作为影像组学特征筛选的一种方法。
癌，非小细胞肺；四维计算机体层摄影术；影像组学；特征稳定性
R.42；R.2
10./j.issn.-..07.
非小细胞肺癌（non-smallcelllungcancer，NSCLC）是导致癌症相关死亡的主要原因。作为一种异质性疾病，NSCLC包括腺癌、鳞状细胞癌等组织学类型。肿瘤的分期及分型是影响NSCLC治疗决策的关键因素。Aerts等[1]根据定量的影像组学方法进行肿瘤分型研究。影像组学结合临床因素可提高NSCLC患者无病生存期预测准确率，并可预测局部控制效果[2-5]。影像组学通过1项或多项特征的取值差异建立预测模型，实现肿瘤分型与分期；但特征值差异不仅来源于肿瘤的类型与进展情况，同时也来源于呼吸运动[6]、扫描参数[7]、靶区分割方式[8]等因素对特征值的影响。为获得理想的预测模型，需要数量巨大的样本支持，否则会由于影像组学特征数量多、研究病例数量相对少而导致预测建模过拟合[9]。在建模前筛选去除不稳定或冗余的特征有利于提升模型鲁棒性和预测能力[1,10]。目前常用的筛选方法包括多次靶区勾画[2]和重复摆位二次成像[11]。近年来，四维计算机断层扫描图像（four-dimensional