目的 基于多参数磁共振建立影像组学模型预测前列腺癌Ki67的表达。方法 回顾性分析我院2020年12月1日～2023年6月30日经病理证实、磁共振数据完成的PCa患者176例，按照7:3的比例分配到训练组（n=140）及验证组（n=36）。从PACS工作站中导出患者T2加权成像、T2加权脂肪抑制成像、小视野扩散加权成像、表观扩散系数的DICOM图像，在4个序列图像中勾画出病变区域的三维感兴趣区，并提取其中的影像组学特征，使用Spearman相关系数和LASSO回归对特征进行降维和选择，利用筛选出的组学特征建立影像组学模型。利用绘制ROC曲线并计算曲线下面积（AUC），阐述模型的诊断意义，并通过验证组对诊断效能施行验证。结果 共提取1834个影像组学特征，最终筛选得到20个组学特征与Ki67表达状态相关。在互相独立创建的8个影像组学模型中，分别为逻辑回归、支持向量机、K-近邻、随机森林、极度随机树、极致梯度提升、轻量级梯度提升机和多层感知机，此中轻量级梯度提升机模型效益最优，训练组的AUC值为0.948(95%CI:0.913～0.982)，测试组的AUC值为0.832(95%CI:0.698～0.967)。结论 基于多参数磁共振构建的影像组学模型可以预测Ki67表达状况，且轻量级梯度提升机模型最好。