目的 初步探讨基于表观扩散系数(ADC) 影像学诊断围绝经期女性骨质疏松的价值。方法 回顾性选取2020年9月-2022年9月我院收治的围绝经期女性(170例)为研究对象，使用随机数表 法将170例患者分为训练集(130例)和验证集(40例)，根据是否发生骨质疏松将训练集患者分为骨质疏松组(72例)和非骨质疏松组(58例)。比较两 组患者的临床资料；构建影像组学和临床因素的Logistic回归模型，得出每个患者的影像组学得分(Rad-score)和临床得分(Clinic-score)；进一步筛 选变量通过广义线性回归模型，并构建联合预测模型，得出联合得分(Combine-score)；通过受 试者工作特征曲线(ROC)、Hosmer-Lemeshow 检验和决策曲线分析(DCA)对模型进行验证。结果 Clinic-score=0.515×ADC+0.211×SIR+0.681 ×BMD+0.373×NMID+0.428×PINP+0.602×C TX+0.586×维生素+0.862×血清钙+0.945×血清 磷+0.709×E2。Rad-score= -1.356×original_ ngtdm_Busyness+0.926×wavelet.LHL_ firstorder_Median+2.815×wavelet.LHH_ ngtdm_Busyness-0.719×log.sigma.3.0.mm.3D_ gldm_DependenceVariance-1.528。Combinescore=1.686×Rad-score+1.861×ADC+1.916×S IR+0.371×BMD+0.213×NMID+0.539×PINP+0.9 31×CTX+1.174×维生素+0.759×血清钙+0.493× 血清磷+0.899×E2。骨质疏松组和非骨质疏松的 Rad-score、Clinic-score及Combine-score比较差异均有统计学意义(P<0.05)。临床预测模型分别与影像组学模型、联合预测模型的AUC在训练集和验证集中比较差异均有统计学意义(P<0.05)。验证结果显示各模型在训练集和验证集中拟合均较好 (P>0.05)。结论 与单纯临床预测模型和影像组学模型相比，联合预测模型的鉴别能力最优，在诊断围绝经期女性骨质疏松中具有较高的诊断价值。