目的:探讨基于乳腺数字X射线图像纹理分析对BI-RADS 4类以上钙化灶定性诊断的价值.方法:收集临床未触及明确肿块、仅由乳腺数字X射线摄影发现钙化灶(BI-RADS 4a及以上)的患者178例.病灶均在X射线引导下手术切除,并行病理学检查,其中良性117例,恶性61例.以7:3的比例将所有病例分为测试集和验证集.应用MaZda软件,采用3种特征向量降维算法(费希尔参数法、最小分类误差与最小平均相关系数法、相关信息测度法)分别筛选出10个最佳纹理特征,合并后得到第4组最佳纹理特征(MPF).方法 一,依据上述4组最佳纹理特征采用线性判别分析(LDA)和非线性判别分析(NDA)对钙化灶进行良恶性判别.方法 二,比较测试集中良恶性组间最佳纹理特征(MPF组,30个)的差异,以筛选出的最佳纹理特征构建Logistic回归模型,并用验证集评估模型诊断效能.结果:依据第4组最佳纹理特征,NDA的误判率最低,测试集误判率为13.60%,验证集为9.43%.Logistic回归分析结果表明S(0,4)SumOfSqs及S(3,3)Entropy为区分良恶性钙化灶的影响因素,该模型鉴别验证集良恶性钙化灶的AUC(95%CI)为0.771(0.642~0.901),准确度、敏感度和特异度分别为0.717、0.833、0.629.结论:基于乳腺数字X射线图像纹理分析的LDA/NDA或Logistic回归模型对BI-RADS 4类以上钙化灶均有较好的定性诊断价值,可为临床诊治提供较为客观的参考.