文摘目的通过分析胰腺神经内分泌肿瘤(pancreatic neuroendocrine neoplasm,pNEN)增强CT纹理特征,预测其分化程度。方法将102例pNEN患者的CT资料导入ITK-SNAP软件绘制感兴趣区并提取动静脉期纹理特征。运用R软件行最优化处理,采用Pearson及Mann-Whitney U检验去除冗余特征,再利用向后逐步回归法建立最佳模型。绘制特征曲线(receiver operating characteristic curve,ROC),计算曲线下面积(the area under curve,AUC)、准确度、灵敏度及特异度。结果筛选出动脉期有效特征2个,静脉期有效特征1个,联合动静脉期资料共同分析,筛选出有效特征9个。单独动脉期有效特征建立模型1,曲线下面积为0.776(准确度0.737,灵敏度0.814,特异度0.625);单独静脉期有效特征建立模型2,曲线下面积为0.753(准确度0.710,灵敏度0.683,特异度0.750);联合动静脉期纹理特征共同分析建立模型3,曲线下面积为0.825(准确性0.768,灵敏度0.847,特异度0.650)。结论增强CT多个纹理参数在不同病理级别的pNEN间有显著差异,可用于预测其病理分级,联合动静脉期参数共同分析,其曲线下面积、准确性及灵敏性明显高于单一期参数。