目的:分析术前直肠腺癌的T2加权图像（T2 weighted imaging,T2WI）和表观扩散系数（apparent diffusion coefficient,ADC）图的纹理特征,评估纹理分析在鉴别直肠腺癌术前T、N分期的诊断性能。方法:回顾分析中国医科大学盛京医院167例经病理证实为直肠腺癌的病例。所有患者均接受了T2WI和DWI检查。根据病理结果将患者分为低T分期（T1-2期,82例）组和高T分期（T3-4期,85例）、淋巴结转移阴性（N0期,109例）组和淋巴结转移阳性（N1-2期,58例）组,并分别将患者随机（7:3）纳入训练集（117例）和验证集（50例）。应用Matlab软件计算获得ADC图像。应用3D Slicer软件同时在T2WI图像和ADC图上分割整个肿瘤的感兴趣区,并提取7类特征,分别为从原始图像中提取的基于形状、一阶统计、灰度相关矩阵、灰度共生矩阵、灰度游程矩阵、灰度区域大小矩阵以及邻域灰度差矩阵的特征,以及对原始图像进行小波变换和高斯-拉普拉斯变换后的图像提取的2类特征,共1223个特征。特征的初步筛选通过最小绝对收缩和选择算子（least absolute shrinkage and selection operator,LASSO）实现。最佳特征子集通过应用单因素分析方法进行筛选获得。定量特征与直肠癌术前分期之间的相关性通过spearman相关性分析来评估。对于T分期及N分期,应用支持向量机（support vector machine,SVM）模型均建立3种分类模型,包括基于T2WI图像、ADC图筛选得到特征单独以及二者联合所建立的模型。分类模型的性能通过受试者操作特性（receiver operating characteristic,ROC）曲线进行评估。结果:1、病变位置、年龄和性别在T1-2组与T3-4组间、N0组与N+组间均无统计学差异;淋巴结是否转移在T1-2组与T3-4组之间存在显著统计学差异。2、三种SVM分类模型在训练集及验证集中都体现了较好的鉴别术前T分期的能力,训练集中准确率（accuracy,ACC）为84.62%、85.47%、88.93%,曲线下面积（area of the curve,AUC）为0.894、0.903、0.960,验证集ACC为82.91%、83.76%、90.70%,AUC为0.861、0.880、0.984。3、三种SVM分类模型在训练集及验证集中都体现了较好的鉴别术前N分期的能力（训练集,ACCs=85.47%、88.90%、89.74%,AUCs=0.903,0.882,0.917;验证集,ACCs=86.79%、88.48%、90.11%,AUCs=0.920、0.913、0.948）。4、从小波变换后的图像、高斯-拉普拉斯变换后的图像中获得的特征较从原始图像中获得的特征在最优子集中占比较大,其中,高斯-拉普拉斯变换得到的特征与术前T分期、N分期具有更强的相关性。结论:1、基于ADC图的纹理分析较基于T2WI图像的纹理分析可以更好的鉴别直肠腺癌术前T分期和N分期。2、T2WI图像和ADC图的联合应用可以更好地提高术前诊断直肠肿瘤浸润和淋巴结转移诊断的准确性。3、经高斯-拉普拉斯变换得到的图像可能在术前直肠腺癌的术前分期上更具的潜力。