目的 观察多参数MRI瘤内及瘤周影像组学术前预测乳腺癌Ki-67表达状态的价值。方法 回顾性分析120例经病理诊断单发乳腺癌患者术前T2加权成像序列、动态增强序列及弥散加权序列，以7 : 3比例分为训练集(n=84)和验证集(n=36)。通过3D-Slicer 软件手动勾画瘤内感兴趣区(ROI)，其自动外扩5mm，获得瘤周感兴趣区,提取并筛选三维影像组学特征，采用主成分分析(PCA)进行降维。训练集采用t检验和最小绝对收缩算法(LASSO)筛选特征。基于支持向量机(SVM)机器学习算法，建立模型瘤内、模型瘤周及模型瘤内+瘤周。利用受试者工作特征(ROC)曲线下面积、准确率以及F-1度量值评估3种模型的预测能力，并通过验证集进行验证，预测乳腺癌 Ki-67的表达状态。结果 三类模型分别筛选出25、20、23个相关组学特征。测试组的模型瘤内+瘤周、模型瘤内、模型瘤周曲线下面积分别为0.91(P<0.05, 95%CI: 0.733~0.980)、0.86(P<0.05, 95%CI: 0.631~0.931)、0.94(P<0.05, 95%CI: 0.689~0.961)；F-1分数分别为0.93、0.91、0.96；准确率分别是0.92、0.88、0.95；验证组的曲线下面积分别为0.86(P<0.05, 95%CI: 0.778~0.935)、95%CI: 0.738~0.912)，F-1分数分别为0.79、0.86、0.78(P<0.05, 95%CI: 0.684~0.878)、0.82(P<0.05, 0.88；准确率分别是0.86、0.78、0.83，模型瘤内+瘤周在测试集及验证集均具有较高的曲线下面积、F-1得分值及准确度。结论 基于多参数MRI瘤内及瘤周三维影像组学更有效的预测乳腺癌Ki-67表达状态。