【摘要】目的：比较逻辑回归（LR）、支持向量机（SVM）、多层感知机（MLP）及随机森林（RF）4 种机器学习模型在双中心 18F- 脱 氧葡萄糖正电子发射体层成像 -CT（18F-FDG PET-CT）影像组学鼻咽癌鉴别中的性能，通过 SHAP 方法明确关键鉴别特征。方法：回顾 性分析 2022 年 1 月—2025 年 1 月广西医科大学第一附属医院（中心 1）和广西医科大学附属肿瘤医院（中心 2）979 例 18F-FDG PET/CT 病例（中心 1：731 例，中心 2：248 例），含鼻咽癌 489 例、良性病变 490 例，按 7 ∶ 3 分层随机抽样分为训练集（n=685）与测试集（n=294）。 依据标准化指南提取 PET/CT 图像 3 376 个影像组学特征，经 Spearman 相关性分析、最小绝对收缩和选择算子回归及递归特征消除 三级筛选后，构建 4 种机器学习模型。以 AUC、准确率、灵敏度、特异度及 Kappa 值等指标评估性能，结合 SHAP 方法解析特征重 要性。结果：测试集中 SVM 与 MLP 模型性能最优（AUC 分别为 0.992、0.994，准确率均 96.26%，Kappa 值均 0.925），分类结果与病 理一致性极强；LR 与 RF 模型亦满足临床辅助诊断需求。所有模型训练集与测试集性能无显著衰减，泛化稳定性良好。SHAP 分析表明， PET 小波变换 - 三级低频子带 - 一阶统计最小值为跨模型稳定关键特征，其取值升高可显著提升鼻咽癌预测概率。结论：SVM 与 MLP 模 型兼具优异鉴别性能与泛化稳定性，SHAP 解析的关键特征为临床辅助诊断工具开发提供了高质量参考。 

【关键词】鼻咽癌；18F- 脱氧葡萄糖；正电子发射体层成像 -CT；影像组学；机器学习；模型比较