第一部分:多模态MRI图像纹理分析鉴别前列腺增生和前列腺癌价值比较　　目的:本文拟运用MaZda软件，探讨T2WI、增强早期、增强延迟期、弥散ADC图像纹理分析在鉴别前列腺增生和前列腺癌中的价值。　　研究方法:回顾性分析我院2015年12月至2016年10月行前列腺MR检查并手术确诊为前列腺增生和前列腺腺癌的患者84例。在AW4.5工作站，使用GEFunctool软件包将DWI图像转变成ADC图，并保存;对Lava动态增强图像绘制时间-信号强度曲线，在髂动脉上放置ROI，将曲线达到最高点（即髂动脉强化程度最大）时的期相作为增强早期，将动态增强末期作为延迟期，分别保存图像，用于图像的后处理及数据的测量。由两名分别具有13年和19年腹部影像诊断经验的放射科医师阅读图像，结合病理结果共同选出病灶最大层面的图像，并确定病灶范围，如有不同意见需协商一致达成共识。由一名放射科医师采用MaZda软件在已选择的病变最大层面的图像上手动绘制ROI得到各个纹理特征参数值。利用MaZda软件自带的B11统计软件模块根据所选择的纹理特征来分类这两种疾病。最后输出T2WI、增强早期、增强延迟期、弥散ADC这四个序列区分前列腺增生与前列腺癌的结果，以错判率(MCR)的形式表述。　　结果:基于弥散ADC图像的纹理分析鉴别能力明显优于基于其他三个序列图像的鉴别能力。在RDA、PCA、LDA和NDA这四种分类方法中，NDA方法鉴别前列腺增生与前列腺癌的错判率均明显低于其他方法。　　结论:基于弥散ADC图像的纹理分析可作为辅助手段，为临床鉴别前列腺增生和前列腺癌提供可靠的客观依据，确保了诊断的准确性。在鉴别前列腺增生和前列腺癌时非线性分类(NDA)比线性分类(RDA、PCA、LDA)更有效，但临床应用时应注意到其推广能力及样本依赖性的特点。　　第二部分:基于弥散ADC图像的灰度直方图纹理分析鉴别前列腺增生与前列腺癌的价值　　目的:利用MaZda软件提取弥散ADC图像灰度直方图的纹理特征，探讨其在鉴别前列腺增生和前列腺癌中的价值。　　研究方法;回顾性分析我院2015年12月至2016年10月行前列腺MR检查并手术确诊为前列腺增生和前列腺腺癌的患者84例。在AW4.5工作站，使用GEFunctool软件包将DWI图像转变成ADC图，并保存。由两名分别具有13年和19年腹部影像诊断经验的放射科医师阅读图像，并结合病理结果共同选出病灶最大层面的图像，并确定病灶范围，如有不同意见需协商一致达成共识。由一名放射科医师采用MaZda软件在已选择的病变最大层面的ADC图像上手动绘制ROI，结合病理结果并参照T2WI及动态增强图像，避开血管及伪影，得到ROI范围内各个纹理特征参数值，记录灰度直方图各参数值，三次测量取平均值，并将其灰度直方图保存于硬盘，以用于病变的进一步统计分析。对前列腺增生和前列腺癌ADC图灰度直方图参数偏度、峰度、均值、方差、百分位数值(1％、10％、50％、90％、99％)的比较采用独立样本t检验。对有统计学差异的参数绘制受试者工作特性曲线(ROC曲线)确定诊断阈值，并计算其曲线下面积(AUC)、敏感度、特异度。P＜0.05为差异有统计学意义。　　结果:前列腺增生ADC图的百分位数(1％、10％、50％、90％、99％)、平均值均高于前列腺癌组，差异有统计学意义（P均＜0.05）。前列腺增生ADC图的偏度、峰度、方差值均小于前列腺癌组，差异有统计学意义（P均＜0.05）。百分位数(1％、10％、50％、90％、99％)、平均值、偏度、峰度、方差的AUC分别为:0.97、0.94、0.94、0.87、0.67、0.93、0.87、0.81、0.75。　　结论:利用MaZda软件提取基于弥散ADC图像灰度直方图的纹理特征并进行分析，对鉴别前列腺增生与前列腺癌有巨大的潜能和临床意义。