目的：应用影像组学模型鉴别肾脏良恶性肿瘤，并评估模型诊断的效能。方法：回顾性分析2017年1月—2022年12月河北大学附属医院收治的227例肾脏肿瘤患者的影像学资料，将188例肾脏恶性肿瘤与39例良性肿瘤患者按照7:3比例随机分为训练组与测试组（训练：158例，测试：69例）。取患者增强CT的影像资料手动勾画肿瘤的感兴趣区，利用Artificial intelligence-kit软件提取396个影像组学特征后筛选出4个差异最大的组学特征，并建立了3个机器学习模型：支持向量机模型、随机森林模型、逻辑回归模型。使用受试者工作曲线下面积（AUC）值、准确率、灵敏度和特异度评估模型的诊断效能。结果：在训练组上逻辑回归模型鉴别肾脏良恶性肿瘤的AUC值0.89，灵敏度0.95，特异度0.59，阳性预测值0.92；支持向量机模型的AUC值0.90，灵敏度0.97，特异度0.56，阳性预测值0.91；随机森林模型的AUC值0.95，灵敏度1.00，特异度0.63，阳性预测值0.93。在测试组上逻辑回归模型鉴别肾脏良恶性肿瘤的AUC值0.96，灵敏度0.96，特异度0.83，阳性预测值0.97；支持向量机模型的AUC值0.96，灵敏度0.98，特异度0.83，阳性预测值0.97；随机森林模型的AUC值0.95，灵敏度1.00，特异度0.42，阳性预测值0.89。结论：三种影像组学模型在鉴别肾脏的良恶性肿瘤中随均表现出良好的诊断效能，影像组学方法具有准确诊断肾肿瘤的潜力，支持向量机模型在测试组灵敏度、特异度均较高，更加稳定可靠。