目的探索结直肠癌肝转移（colorectal liver metastases, CRLM）与原发性肝癌（hepatocellular carcinoma, HCC）影像组学特征的差异,以实现对CRLM的精准识别。方法纳入河北大学附属医院102例经病例证实的CRLM和HCC患者术前CT增强影像,将其以7∶3的比例随机分配到训练集和测试集。首先,采用基于Python的Pyradiomics包从肝脏病灶中提取影像组学特征;然后,利用最小绝对收缩和选择算子（least absolute shrinkage and selection operator, LASSO）和递归消除（recursive feature elimination, RFE）方法选择出最优特征集合;再应用支持向量机（support vector machine, SVM）、K-近邻（k-nearest neighbor, KNN）和随机森林（random forest, RF）、逻辑回归（logistic regression, LR）4种分类器算法训练模型,以受试者工作特征曲线下面积（the area under the receiver operating characteristic curve, AUC）、准确率、敏感度和特异度来评估4种分类器的性能。结果应用SVM分类器算法训练的模型对CRLM识别效能较高（准确率为93%,特异度为88%,灵敏度为100%,AUC值为0.94）。结论本文应用CT影像组学方法提取病灶异质性特征,并通过特征选择找到训练模型效果最佳的特征集合,应用SVM分类器算法训练的模型能够比较准确地识别出CRLM病灶,对医学诊断具有良好的应用价值。