目的:探索基于MRI T2WI序列的纹理分析在预测肝细胞癌病理分化程度中的价值。资料与方法:回顾性分析134例肝细胞癌患者的资料,所有被试均经手术证实并按照Edmondson-Steiner方法分级。应用MaZda软件在MRI T2WI图像中肿瘤部分手动勾画感兴趣区,提取并筛选纹理特征参数,方法包括交互信息(MI)、Fisher系数、分类错误概率联合平均相关系数(POE+ACC)及3种方法联合(Fisher+POE+ACC+MI联合法,MPF)。通过软件自带的特征分类方法包括原始数据分析(RDA)、主要成分分析(PCA)、线性分类分析(LDA)和非线性分类分析(NDA)选出最具鉴别能力的纹理特征,结果以误判率表示。将肝癌的病理级别作为因变量,采用二分类Logistics回归分析,将MPF方法筛选出的30个纹理进行分析,得到评估HCC分化程度的独立预测因子,P<0.05认为差异有统计学意义;采用ROC曲线评价各参数单独应用及联合应用的鉴别效能。结果:纹理特征参数选择方法中,MI、Fisher系数和POE+ACC 3种方法鉴别肝细胞癌高、低分化误判率接近。纹理特征分类分析方法中,NDA区分两种病变的误判率(8.21%)明显低于RDA、PCA和LDA3种方法,具有最优的鉴别诊断效能。S(0,5)Entropy、、S(5,-5)Entropy、、WavEnHL__s2为鉴别高、低分化HCC效能最高的纹理特征,且联合三个纹理参数鉴别能力有所提高。结论:基于MRIT2WI序列的纹理分析可用于鉴别肝细胞癌高、低分化程度。