目的:探究导致脑膜瘤患者术后脑水肿的相关危险因素方法:回顾性收集2019年11月至2023年4月期间我院经手术全切病理证实为脑膜瘤的170例患者术前MRI图像及术后CT图像,并收集术后轻度及重度脑水肿患者的相关临床资料,并统计分析这些临床因素与术后脑水肿之间的关系。结果:在170例患者中,其中术后轻度脑水肿患者101例（59.4%）,重度脑水肿患者69例（40.6%）,分别从年龄、性别、是否合并高血压、糖尿病、术前是否存在颅高压症状、肿瘤的大小、肿瘤的位置及术前是否存在脑水肿8个方面对69例重度脑水肿患者和101轻度脑水肿患者的进行比较分析,其中是否合并高血压、肿瘤的大小、肿瘤的位置及术前是否存在脑水肿与术后重度脑水肿存在显著相关性。术后重度脑水肿组和轻度脑水肿组在年龄、性别、是否合并糖尿病及术前是否存在颅内高压症状无明显统计学差异。结论:脑膜瘤患者术后重度脑水肿与是否合并高血压、肿瘤的大小、肿瘤的位置及术前是否存在脑水肿存在相关性。目的:探讨基于多序列磁共振T1WI、T2WI及增强T1WI（T1WI+）序列图像的影像组学特征模型预测脑膜瘤术后脑水肿严重程度的分级的价值,为临床后续治疗,改善预后提供一定的理论支持。方法:回顾性收集2019年11月至2023月期间在我院经手术全切病理证实为脑膜瘤的170例患者的临床资料、术前MRI图像及术后CT图像,其中轻度脑水肿患者101例（59.4%）,重度脑水肿患者69（40.6%）例。随机的将170例患者按照7:3的比例分为训练组（119例）,验证组（51例）,采用达尔文影像组学科研平台提取T1WI、T2WI及T1WI+C的影像特征。分别在三个序列图像上手动勾画二维感兴趣区（ROI）。根据最大绝对值归一化和选择算子回归进行特征降维、最优特征筛选（个数）最后采用逻辑回归建立影像组学模型。然后纳入8个临床相关危险因素,通过多因素逻辑回归筛选出较佳的临床危险因素,建立临床预测模型。最后联合影像组学特征和临床相关危险因素,建立临床-影像组学模型。三种模型预测脑膜瘤术后水肿程度的效能用特征曲线（ROC）下的面积（AUC）评估。结果:在训练组及验证组中,影像组学模型、临床模型及临床-影像组学模型的AUC分别为,其中临床-影像组学模型的诊断效能优于其它两个模型。结论:基于多序列磁共振影像组学特征和临床特征构建的临床-影像组学列线图可以为脑膜瘤术后脑水肿分级提供一定的临床参考价值。