目的 研究MRI纹理分析技术在大鼠胶质瘤模型肿瘤分级中的应用,探讨不同纹理特征对胶质瘤分级诊断效能的差异。材料与方法 选取C6胶质瘤细胞荷瘤大鼠32只,于接种后1～4周获取肿瘤MRI图像及病理级别,使用MaZda软件计算病灶纹理特征,利用费希尔系数、特征子集选择、互信息等方法选择特征,通过主成分分析、线性/非线性判别分析联合K近邻算法、人工神经网络特征分类,筛选出最佳分析方法、分类序列及纹理特征组。将最佳特征组纳入Logistic回归模型进一步分析,采用受试者工作特性曲线评价不同纹理特征的诊断效能。结果 利用分类错误概率联合平均相关系数、非线性判别分析联合人工神经网络可获得较低的误判率。在最佳分类序列T2WI上提取的游程长非均匀度分级诊断效能最佳,受试者工作特性曲线下面积为0.839±0.049(P<0.01),截断值为245.44,对应的敏感度为0.824,特异度为0.733。结论 MR T2WI提取的纹理特征对大鼠高、低级别胶质瘤有较好的鉴别能力,其中以游程长非均匀度的分级诊断效能最佳。