目的:本研究的目的是评估基于多参数磁共振成像的影像组学模型鉴别胶质母细胞瘤（GBM）和原发性中枢神经系统淋巴瘤（PCNSL）的可行性。材料与方法:回顾性收集我院2015年1月至2021年8月经病理或随访证实为胶质母细胞瘤（84例）和原发性中枢神经系统淋巴瘤（51例）患者的颅脑MRI数据。每个病例手术前均行常规的MRI平扫+增强扫描检查,获得轴位T2WI、对比增强T1WI（CE-T1WI）、DWI和ADC图像。在所有图像上对肿瘤进行手动逐层勾画感兴趣区,并提取影像组学特征,将所有数据随机分为训练集（70%）和测试集（30%）,在训练集中通过t检验和最小绝对收缩和选择算子（LASSO）进一步筛选特征,构建单序列影像组学模型和多序列影像组学模型。然后采用贝叶斯信息准则（BIC）从所有特征组合模型中选择最优模型,重新构建4个单序列放射组学模型和11个多序列影像组学模型。最后,分别在测试集中使用接收器工作特性曲线下面积（AUC）验证这些模型的诊断性能。结果:以LASSO结合BIC方法构建的新模型的预测准确率比单纯使用LASSO构建的模型更高。在单序列模型中,CE-T1WI产生了最好的诊断效能,AUC为0.956、准确率为0.933、灵敏度为1.000、特异度为0.808;在多序列模型中,CE-T1WI和ADC的组合表现最佳,AUC为0.967,、准确率为0.949、灵敏度为0.958、特异度为0.933。结论:多参数MRI影像组学与机器学习相结合,能较好地区分GBM和PCNSL,辅助医生进行临床诊断。由于没有统一的模型来为每个特定的数据集获得最佳的性能,所以有必要尝试不同的组合方法。