目的 探究基于胸部CT图像椎体纹理分析结合支持向量机(SVM)机器学习方法在鉴别急性及陈旧性椎体压缩性骨折的价值。方法 回顾性分析132例2018年5月至2021年5月行常规胸部CT并经MRI证实为椎体压缩性骨折患者的资料，纳入急性骨折椎体98个、陈旧性骨折椎体65个，共163个椎体。采用Mazda软件提取所有椎体轴位与矢状位纹理特征，采用IPMS软件进一步筛选、降维及建模，将新旧骨折椎体按7：3的比例随机分入训练集与验证集。通过T检验、Wilcoxon秩和检验及Pearson相关分析对训练集的纹理特征进行筛选，依次建立轴位及矢状位筛选特征的SVM模型，进一步用验证集验证模型有效性，获得受试者工作特征(ROC)曲线。结果 每个椎体矢状位及轴位分别获得294个特征。矢状位最终获得8个参数，训练集及验证集SVM模型的ROC曲线下面积(AUC)分别为0.78和0.68；轴位最终获得6个参数，训练集及验证集SVM模型的AUC分别为0.80和0.84。轴位模型效能较矢状位更高。结论 胸部CT影像组学特征结合SVM可对急性及陈旧性椎体压缩性骨折进行鉴别，以轴位模型为佳，能够为无明确外伤史的偶发急性椎体骨折提供辅助诊断从而促进早期治疗。