目的：评估超声图像特征鉴别乳腺肿块良恶性的诊断效能及价值，包括灰阶超声、多普勒超声及超声弹性成像特征；筛选影响肿块BI-RADS-US 分级的超声敏感指标，建立超声预测乳腺肿块良恶性的数学模型，评估超声特征在评估分级中所起的作用。　　 方法：第一部分收集本院2 年间共589例患者的631 个乳腺肿块为观察对象，术前行超声检查并记录灰阶超声特征、彩色多普勒超声特征及弹性评分，上述肿块经病理确诊后分为良性组和恶性组。明确每个超声特征诊断肿块良恶性时的敏感性、特异性及准确度；经单因素分析和Logistic 回归分析后筛选出敏感指标，建立Logistic 回归模型并评估多个超声参数并存时，单个超声指标诊断肿块恶性的相对危险度。　　 第二部分则由两名经过专业训练的熟练掌握BI-RADS-US 分级的超声医生各自在不知病理结果的前提下对每个肿块行BI-RADS-US 分级，以多分类Logistic 回归分析法筛选影响乳腺肿块超声BI-RADS 分级的超声敏感参数，构建预测乳腺肿块BI-RADS-US 分级的数学模型；将所有肿块的观察指标参数回带入数学模型得到预测BI-RADS-US 分级，并评价该数学模型预测分级的准确率，以及该模型的拟合优度检验。　　 结果：（1）最后进入Logistic回归模型的六个指标分别为：生长方位、肿块边缘、肿块边界、出现微钙化、弹性评分以及穿支血管。此外，纳入回归方程各个超声参数预测乳腺肿块恶性的相对危险度（OR）由高到低依次为：边缘不光整、微钙化、高回声晕、穿支血管、垂直位生长以及弹性评分。（2）预测乳腺肿块BI-RADS-US 分级的多分类Logistic回归方程纳入的超声参数包括：最大径、生长方位、形状、后方回声特征、肿块边缘、肿块边界、微钙化、弹性评分、Adler 分级及有无穿支血管；模型预测分级中肿块的实际恶性比例为：3 级 3％、4A 级13.5％、4B 级52.9％、4C 级78.2％以及5 级97.6％，模型能有效的区分肿块的良恶性；模型的拟合优度检验提示模型不能进一步简化，同时该模型挖掘所有的有价值的超声参数，即含有以上超声参数的当前模型是本组资料拟合的最佳模型。　　 结论：界定每个超声征象评估肿块良恶性的效能，同时行多种超声图像特征的合理正确组合，能有效地鉴别乳腺肿块的良恶性及评估BI-RADS-US 分级；构建的预测乳腺肿块BI-RADS-US分级的数学模型为本组资料拟合的最佳模型并具有较高准确度。