目的 探讨基于动态对比增强MRI（dynamic contrast-enhanced MRI, DCE-MRI）图像的纹理特征术前预测乳腺癌分子分型的价值。材料与方法 回顾性分析宜昌市第一人民医院2021年10月至2022年10月75例经术后病理证实的乳腺癌患者的术前MRI图像及临床病理资料。采用χ2检验、方差分析对患者一般资料进行分析。对分子亚型以是与非作为二分类指标在DCE-MRI图像上提取特征参数，通过标准化、最优特征筛选器进行特征参数降维，采用独立样本t检验或Mann-Whitney U检验识别不同组间差异有统计学意义的最优纹理参数，采用ROC曲线下面积（area under the curve, AUC）评价纹理分析的诊断效能。另基于DCE-MRI纹理特征构建逻辑回归分类模型，绘制ROC曲线并评价模型对不同分子亚型的诊断效能。结果 Luminal A型11例、Luminal B型36例、人表皮生长因子受体2（human epidermal growth factor receptor 2, HER-2）过表达型14例及三阴性乳腺癌（triple negative breast cancer, TNBC）14例，各亚型乳腺癌患者间年龄、绝经状态、病理学分型、MRI强化情况、淋巴结状态的差异皆无统计学意义（P＞0.05）。基于MRI图像特征参数所建立的预测Luminal A型、Luminal B型、HER-2过表达型、 TNBC的AUC[95%置信区间（confidenceinterval,CI）]值分别为0.92 （0.77～1.00）、 0.83 （0.62～1.00）、0.83（0.55～1.00）、0.72（0.43～1.00）。Luminal A型与非Luminal A型组间3个纹理参数差异有统计学意义（P＜0.05），三者AUC值分别为0.73、0.70和0.75，以纹理特征三维灰度共生矩阵-聚类阴影（3D grey level co-occurrence matrix cluster shadow, 3D＿glcm＿CS）＞0.439时诊断Luminal A型效能最高。Luminal B型与非Luminal B型组间2个纹理特征差异具有统计学意义（P＜0.05），当原始灰度共生矩阵-聚类阴影（original gray level co-occurrence matrix cluster shadow,o＿glcm＿CS）＞0.169时诊断Luminal B型效能最佳。HER-2过表达型与非HER-2过表达型组间5个纹理特征差异均有统计学意义，其AUC值分别为0.76、0.81、0.79、0.80和0.82，以三维灰度区域大小矩阵-小区域低灰度优势（3D grey level size zone matrix small area low gray level emphasis, 3D＿glszm＿SALGLE）≤-0.460时诊断HER-2过表达型的效能最高（AUC=0.82,P＜0.001）;TNBC与非TNBC组间仅纹理特征高通滤波器-相邻灰度色差矩阵（wavelet LH neighbouring gray tone difference matrix busyness, w-LH＿ngtdm＿B）的差异有统计学意义，其AUC值为0.65。结论 动态对比增强MRI纹理分析可以无创有效地预测乳腺癌分子分型，对术前乳腺癌分子亚型的分类具有重要的指导价值。