摘要目的:探讨增强MRI影像组学对TICⅡ型乳腺癌及乳腺纤维腺瘤的鉴别效能.方法:回顾性选取经病理学证实为TICⅡ型乳腺癌的69例患者(记作乳腺癌组)和乳腺纤维腺瘤60例患者(记作纤维腺瘤组)的临床及增强MRI影像资料,比较2组患者的病灶边界、形态及强化方式等MRI特征.将乳腺MRI图像导入GE工作站进行后处理分析,绘制时间-信号强度曲线(time-intensity curve,TIC)图并测定表观扩散系数(apparent diffusion coefficient,ADC)值.沿病灶最大层面边缘勾画感兴趣区并使用MaZda软件生成304个纹理参数,通过交互信息(mutual information,MI)、Fisher系数及分类错误概率联合平均相关系数筛选出30个纹理参数.采用前向选择法对差异有统计学意义的临床基本资料、纹理参数、ADC值及病灶MRI特征进行筛选得到病灶边界、ADC值及135dr_灰度不均匀性3个重要特征参数,基于3个重要特征参数采用决策树、随机森林、朴素贝叶斯算法构建MRI特征模型及影像组学联合模型,以敏感度、特异度、阳性预测值、阴性预测值及AUC值作为评价指标验证模型的诊断效能,并采用Delong检验评估所构建模型的诊断效能差异.使用SPSS 22.0及MedCalc软件进行数据分析.结果:17个灰度共生矩阵参数及7个游程矩阵参数2组间比较差异有统计学意义(P<0.05),乳腺癌组ADC均值[(0.969±0.226)×10-3 mm2/s]低于纤维腺瘤组[(1.424±0.345)×10-3 mm2/s],差异有统计学意义(P<0.05).乳腺癌组多呈分叶征或不规则形,边界不清,内部强化不均匀;纤维腺瘤组多呈圆形或卵圆形,边界清楚,内部强化均匀.基于病灶边界、ADC值及135dr_灰度不均匀性,采用朴素贝叶斯算法构建的影像组学联合模型诊断效能最好,AUC为0.923,敏感度为91.65%,特异度为92.00%.基于病灶边界、ADC值,采用朴素贝叶斯算法构建的MRI特征模型诊断效能略差,AUC值为0.880,敏感度为87.75%,特异度为80.75%.Delong检验结果表明,MRI特征模型与影像组学联合模型的诊断效能比较差异有统计学意义(P=0.037).结论:基于病灶边界、ADC值及135dr_灰度不均匀性,采用朴素贝叶斯算法构建的影像组学联合模型能够定量鉴别TICⅡ型乳腺癌及乳腺纤维腺瘤,有望在临床工作中辅助影像科医师提高诊断效能.