【摘要】目的：基于静息态 MRI 多平面图像提取盆底肌影像组学特征，构建盆底功能障碍（PFD）分型预测模型。方法：回顾性分析 2024 年 8 月—2025 年 8 月于凉山彝族自治州第一人民医院接受盆腔静息态 MRI 检查的 156 例 PFD 患者资料，按 7 ∶ 3 随机分为训练 集（n=109）与测试集（n=47）。比较训练集和测试集的临床特征及影像组学相关参数的差异。采用多种机器学习算法构建临床、影像组 学及联合模型。绘制受试者工作特征（ROC）曲线，以曲线下面积（AUC）评估模型对复合型 PFD 的预测效能。结果：不同 PFD 分型 间年龄、体重指数、灰度共生矩阵（GLCM）对比度、灰度游程长度矩阵（GLRLM）长游程高灰度优势比较，差异有统计学意义（P ＜ 0.05）。 共提取 851 个影像组学特征，经 LASSO 回归筛选出 32 个最优特征，GLCM 及 GLRLM 特征的重要性权重较高。多因素 Logistic 回归分 析显示，年龄、体重指数、GLCM 对比度、GLRLM 长游程高灰度优势均为复合型 PFD 发生的独立影响因素（P ＜ 0.05）。联合模型在 测试集中 AUC 为 0.815，优于临床模型、影像组学模型及各单一特征（P ＜ 0.05）。结论：基于静息态 MRI 多平面影像组学与临床数据 构建的联合模型可有效预测复合型 PFD，为临床治疗提供客观依据。
【关键词】影像组学；机器学习；静息态 MRI；盆底功能障碍；灰度共生矩阵