目的评估人工测量方法、基于计算机辅助诊断（CAD）的半自动测量方法和基于人工智能的全自动测量方法在肺实性结节直径和体积测量中的一致性。方法回顾性分析2018年7月至2020年4月四川省肿瘤医院接受肺癌筛查的165例受检者的临床和低剂量CT（LDCT）资料。选取每例受检者直径最大的结节作为研究对象, 由1名初级和1名高级放射科医师采用人工测量、基于CAD的半自动测量、基于人工智能的全自动测量3种方法对结节直径和体积进行测量。所有结节根据不同测量方法测量出的直径及体积。按肺部影像报告和数据系统（Lung-RADS）1.1版本分级标准分为Lung-RADS 2、3、4A、4B、4X类和低、高风险组。采用重复测量的方差分析和配对t检验比较不同方法测量肺结节直径和体积的差异。应用组间相关系数（ICC）评估3种方法在测量结节直径和体积中的一致性。应用线性加权Kappa系数评估不同测量方法在Lung-RADS分类结果中的一致性;应用简单Kappa系数评估不同方法在高风险与低风险分组结果中的一致性。结果人工测量方法、基于CAD的半自动测量方法和基于人工智能的全自动测量方法测量的肺结节直径分别为（14.9±6.3）、（17.0±6.7）、（15.0±5.7）mm, 差异有统计学意义（F=88.39, P(0.001）, 两两比较显示基于CAD的半自动测量方法与人工测量方法差异有统计学意义（t=10.97, P(0.001）、基于CAD的半自动测量方法与基于人工智能的全自动测量方法差异有统计学意义（t=10.07, P(0.001）, 而人工测量方法与基于人工智能的全自动测量方法差异无统计学意义（t=1.04, P=0.301）。基于CAD的半自动测量方法与基于人工智能的全自动测量方法测量肺结节体积差异无统计学意义（Z=0.70, P=0.482）。3种方法测量肺结节的直径一致性均较高（ICC值均)0.75）, 基于CAD的半自动测量与基于人工智能的全自动测量方法测量肺结节体积的一致性高（ICC=0.927）。依据结节直径测量进行Lung-RADS分类和高、低风险分组时, 3种方法间的一致性均好（Kappa)0.80）;依据结节体积测量进行Lung-RADS分类和高、低风险分组时, 基于CAD的半自动测量方法与基于人工智能的全自动测量方法的一致性均好（Kappa)0.80）。结论在肺实性结节直径测量方面, 基于人工智能的全自动测量方法较基于CAD的半自动测量方法更接近于人工测量值。基于人工智能的全自动测量方法与基于CAD的半自动测量方法在体积测量方面的一致性均较高。