目的 通过分析胰腺神经内分泌肿瘤 (pancreatic neuroendocrine neoplasm，pNEN) 增强CT纹理特征，预测其分化程度。方法 将102例 pNEN患者的CT资料导入ITK-SNAP软件绘制感兴趣 区并提取动静脉期纹理特征。运用R软件行最优化处理，采用Pearson及Mann-Whitney U检验去除冗余特征，再利用向后逐步回归法建立最佳模型。 绘制特征曲线(receiver operating characteristic  curve，ROC)，计算曲线下面积(the area under  curve，AUC)、准确度、灵敏度及特异度。结果 筛选出动脉期有效特征2个，静脉期有效特征1个，联 合动静脉期资料共同分析，筛选出有效特征9个。 单独动脉期有效特征建立模型1，曲线下面积为 0.776(准确度0.737，灵敏度0.814，特异度0.625)； 单独静脉期有效特征建立模型2，曲线下面积为 0.753(准确度0.710，灵敏度0.683，特异度0.750)； 联合动静脉期纹理特征共同分析建立模型3，曲线下面积为0.825(准确性0.768，灵敏度0.847，特异度 0.650)。结论 增强CT多个纹理参数在不同病理级别的pNEN间有显著差异，可用于预测其病理分级，联合动静脉期参数共同分析，其曲线下面积、准确性及灵敏性明显高于单一期参数。