目的:自发性脑出血（spontaneous intracerebral hemorrhage,SICH）具有高致残率和高致死率,血肿扩大是SICH患者发病后仍可临床干预的唯一因素。既往研究揭示CT血管造影（CT angiography,CTA）点征等常规影像学表现征象可预测血肿扩张,影像组学已广泛应用于肿瘤学研究并显示出在脑出血性疾病的初步价值。因此本研究探讨基于非对比CT（non-contrast CT,NCCT）图像和CTA图像的影像组学模型在预测自发性脑出血患者血肿扩张的价值,并与常规影像学征象预测效能进行比较。方法:回顾性分析2015年12月至2020年12月江苏省苏北人民医院182例自发性脑出血患者的临床及CT影像资料,发病6小时内均行首次基线头颅NCCT及CTA检查,并于48小时内头颅CT复查。根据复查CT结果分为血肿扩大（hematoma expansion,HE）组67例、未扩大（non-HE）组115例,并采用分层抽样法以4∶1比例随机分为训练集145例和测试集37例。同时,记录患者相关临床资料,包括性别、年龄、血压、格拉斯哥昏迷量表（Glasgow coma scale,GCS）评分、抗凝及抗血小板药使用情况。分析患者CT原始图像常规影像表现征象,包括血肿位置、是否合并脑室积血、初始体积、形状、是否伴漩涡征、混合征、黑洞征、岛征及CTA点征,并建立二元逻辑回归分析模型。分别在基线NCCT及重建后的CTA图像沿血肿边界勾画三维感兴趣体积（volume of interest,VOI）,均提取1688个影像组学特征值,F检验和最小绝对收缩与选择算子（least absolute shrinkage and selection operator,LASSO）回归模型用于特征筛选,为了无偏比较两个模型,经验性的设置了相同的特征个数为10,利用所得特征结合逻辑回归（logistic regression,LR）机器学习分类器构建预测模型。绘制受试者工作特征（receiver operating characteristic,ROC）曲线,分别比较两种影像组学模型和常规影像模型的ROC曲线下面积（area under the curve,AUC）、敏感性、特异性和准确率来评估各模型预测血肿扩大的效能。结果:分别利用NCCT和CTA图像筛选出的10个特征参数结合LR分类器构建影像组学模型。在训练集中,NCCT模型的AUC、敏感性、特异性、准确率分别为0.938、0.849、0.924、0.897,CTA模型的AUC、敏感性、特异性、准确率分别为0.904、0.774、0.902、0.885;在测试集中,NCCT模型的AUC、敏感性、特异性、准确率分别为0.925、0.786、0.913、0.865,CTA模型的AUC、敏感性、特异性、准确率分别为0.873、0.714、0.913、0.838,均表现出良好的血肿扩张预测能力,两者间无统计学差异（P值均>0.05）。血肿初始体积、混合征、CTA点征单因素分析在训练集和测试集均显示与血肿扩张相关（P值均<0.05）,三者多因素分析构建常规影像联合模型,训练集中AUC、敏感性、特异性及准确率分别为0.849、0.811、0.783、0.793,测试集中AUC、敏感性、特异性及准确率分别为0.854、0.857、0.783、0.811。训练集中,NCCT模型的AUC、准确率明显高于点征、初始体积、混合征三个单因素分析模型（P值均<0.001）,且高于常规影像联合模型（P=0.022）;CTA模型的AUC、准确率亦明显高于三个单因素分析模型（P值均<0.001）。测试集中,NCCT模型AUC、准确率高于点征、初始体积、混合征三个单因素分析模型（P值均<0.05）;CTA模型AUC、准确率高于混合征模型（P=0.017）。结论:基于NCCT和CTA图像的影像组学模型预测自发性脑出血患者血肿扩大均具有良好效能,且NCCT模型表现最好,可减少非必要的CTA检查,并在一定程度优于常规影像征象的预测作用,能够辅助临床医师识别血肿扩大高风险患者并积极针对性干预治疗。