目的 探讨MRI影像组学结合机器学习模型在腮腺恶性肿瘤与多形性腺瘤鉴别诊断中的作用。方法 选取确诊为腮腺肿瘤的患者，包括64例腮腺恶性肿瘤和78例多形性腺瘤，在T1WI、T2WI脂肪抑制序列（fat suppression-T2WI,FS-T2WI）、DWI序列上手动勾画感兴趣区域并提取影像组学特征。利用z-score方法进行数据标准化，运用Mean对数据进行归一化处理，利用皮尔森相似度、多变量方差分析、特征递归消除进行特征筛选，筛选出与腮腺恶性肿瘤、多形性腺瘤鉴别诊断最相关的特征。使用支持向量机（support vector machine,SVM）、线性判别分析（linear discriminant analysis,LDA）、逻辑回归（logistic regression,LR）、随机森林（random forest,RF）和决策树（decision tree,DT）5种算法构建机器学习模型，绘制受试者工作特征曲线（receiver operating characteristic curve,ROC），评价鉴别诊断模型的效能。结果 共筛选出17个影像组学特征用于模型构建，测试集中LDA模型的曲线下面积（area under the curve,AUC）为0.871,95%可信区间为0.780～0.963，准确率为0.836,LDA模型的预测效能最好。结论 MRI影像组学结合机器学习模型对术前鉴别腮腺恶性肿瘤与多形性腺瘤具有重要作用。