摘要目的 比较基于小视野扩散加权成像(zoomed imaging technique with parallel transmission diffusion weighted imaging,ZOOMit DWI)序列和基于分段读出平面回波(readout segmentation of long variable echo-trains,RESOLVE)DWI序列的影像组学模型对临床显著性前列腺癌(clinically significant prostate cancer,csPCa)的诊断价值.材料与方法 回顾性收集168例行术前MRI检查并经病理证实的前列腺疾患资料,其中csPCa患者83例、非csPCa患者85例.按7:3随机划分训练集(n=117)和测试集(n=51),采用皮尔逊相关系数(pearson correlation coefficient,PCC)分析、ANOVA(analysis of variance)检验筛选影像组学特征,使用最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)算法并十折交叉验证进一步筛选特征,使用逻辑回归构建模型.构建基于单一参数的影像组学模型,包括ZOOMit DWI、ZOOMit表观扩散系数(apparent diffusion coefficient,ADC)、RESOLVE DWI和RESOLVE ADC,通过比较后选取诊断效能较优的DWI和ADC联合T2加权成像(T2-weighted imaging,T2WI)建立双参数MRI影像组学模型.通过受试者工作特征(receiver operating characteristic,ROC)曲线分析模型诊断效能,使用DeLong检验比较模型间曲线下面积(area under the curve,AUC).结果 在测试集中,ZOOMit DWI 的 AUC 值高于 RESOLVE DWI(0.917 vs.0.851,P=0.022),ZOOMit ADC 的 AUC值高于 RESOLVE ADC(0.948 vs.0.871,P=0.052).选取ZOOMit DWI 和 ZOOMit ADC联合T2WI 建立双参数MRI影像组学模型,模型在测试集中的AUC值为0.937,明显优于前列腺特异性抗原(prostate specific antigen,PSA)(0.792,P=0.012).结论 基于ZOOMit DWI序列的影像组学模型对csPCa的诊断效能优于基于RESOLVE DWI序列的影像组学模型,联合ZOOMit DWI序列和T2WI序列的双参数MRI影像组学模型对csPCa有较好的诊断价值.