目的:探讨基于MRI的影像组学分析对脑膜瘤病理分级的预测效能。方法:回顾性分析经病理证实的137例脑膜瘤患者的MRI资料（T2WI和对比增强T1WI）,其中低级别脑膜瘤（WHOⅠ级）99例,高级别脑膜瘤（WHOⅡ级）38例。按7:3的比例将患者分为训练组（95例）和验证组（42例）。评估肿瘤的常规MRI征象,包括双侧分布、部位、形状、T2WI上信号是否均匀、血管流空现象、瘤周水肿、强化是否均匀、强化程度、脑膜尾征、邻近组织侵袭情况及是否跨中线生长等。应用IBEX软件,在瘤体内手动勾画ROI,自每个MRI序列上提取5个特征组共736个影像组学特征,使用最小绝对收缩和选择算子（LASSO）及10折交叉验证法进行降维。在训练组中,采用Logistic回归分析进行建模,共构建3个模型,即影像特征模型、影像组学模型和联合诊断模型。在验证组中,绘制3个模型的受试者工作特征曲线（ROC）来评估其预测效能。结果:在训练组和验证组中,高级别和低级别脑膜瘤患者的各项一般临床资料的差异均无统计学意义（P)0.05）;各项常规MRI征象中,仅血管流空和强化是否均匀这两个特征在低级别和高级别脑膜瘤间的差异有统计学意义（P(0.05）。通过降维后共筛选出13个影像组学特征。在验证组中对3个模型分别进行效能评估,ROC曲线分析显示:影像特征模型预测脑膜瘤病理分级的敏感度为66.7%,特异度为80.0%,AUC为0.800;影像组学模型的预测敏感度为66.7%,特异度为86.7%,AUC为0.811;联合诊断模型的预测敏感度为100.0%,特异度为66.7%,AUC提高至0.856。结论:基于MR T2WI及增强T1WI的影像组学分析有助于术前预测脑膜瘤的病理分级,影像组学分析方法具有较好的临床应用前景。