目的:探讨CT常规特征及纹理特征预测胰腺神经内分泌肿瘤（Pancreatic neuroendocrine tumor,PNET）病理分级的应用价值。方法:回顾性分析本院经手术病理证实的102例胰腺神经内分泌肿瘤（pancreatic neuroendocrine tumor,PNET）的CT常规特征及纹理特征。本研究先观察测量肿瘤的最大径、钙化、囊变坏死、胰管扩张、强化方式及CT值等常规特征并进行相关计算。再采用ITK-SNAP软件勾画感兴趣区,A.K.软件提取纹理特征,并筛选出动、静脉期纹理特征。应用独立样本t检验及卡方检验等比较低级别组与高级别组样本CT特征的差异。采用二元Logistic回归筛选独立预测因素。分别对CT常规特征、CT纹理特征及CT常规特征+纹理特征构建联合诊断的Logistic回归模型,并计算各模型的预测概率,以预测概率绘制ROC曲线,计算曲线下面积,并评价两种方法的各自效能及联合效能。结果:本组102例,其中低级别组41例,高级别组61例。不同组别间常规特征:最大径、强化方式、囊变及钙化的差异有统计学意义（P<0.05）;静脉期相对强化程度值（Relative venous phase,PVP）及CT比值（Venous CT ratio,VCR）差别有统计学意义（P<0.05）。纹理特征:动脉期的频率大小（Frequency Size）、协方差（Variance）、体素数（Valume Count）;静脉期的平均偏差（Mean Deviation）、最小强度（Min Intensity）、协方差（Variance）、频率大小（Frequency Size）、体素数（Volume Count）、体素恢度值和（Voxel Value Sum）,2组间差别有统计学意义（P<0.05）。二元Logistic回归分析表明,肿瘤最大径（P<0.05）为独立预测因素。基于CT常规特征的模型（模型1）,曲线下面积（Area Under Curve,AUC）值为0.797,敏感性为61%,特异性为92.5%;基于纹理特征的模型（模型2）,AUC值为0.784,敏感性为61%,特异性为90%;联合模型（模型3）,AUC值为0.917,敏感性为83.1%,特异性为90%。结论:肿瘤最大径为预测胰腺神经内分泌肿瘤病理分级的独立预测因素。CT常规特征及纹理特征都可用于预测胰腺神经内分泌肿瘤的病理分级,联合两种特征共同分析可提高诊断效能,能够为临床医生治疗方案的选择提供影像学依据。