目的:通过应用DCE-MRI及特定药物动力学模型所获的灌注参数评估乳腺癌腋窝淋巴结的良恶性。材料与方法:回顾性收集我院120例乳腺癌患者（于手术前一周内行乳腺DCE-MRI检查）,以病理诊断为金标准,其中60例伴有腋窝淋巴转移（Axillary lymph node metastasis,ALNM）,称之为ALNM组;另外60例不伴ALNM,称之为非ALNM组。通过后处理软件提取ALNM组同侧腋窝转移淋巴结（具有典型影像恶性征象）或非ALNM组腋窝中较大淋巴结的灌注特征,同时提取传统影像特征（长短径及有无脂肪门）、临床及肿瘤相关病理特征。采用χ~2检验与两独立样本T检验比较ALNM与非ALNM组的临床病理特征及传统影像特征的组间差异（p<0.05,差异有统计学意义）。采用Z-归一化（Z-Socre normalization）、K最佳方法（Select K best）及最小绝对收缩与选择算子（Least absolute shrinkage and selector operation,Lasso）进行上述灌注特征及传统影像特征的筛选及预测模型的建立,并绘制受试者工作特征曲线（Receiver operating characteristic,ROC）曲线。采用分类器决策树（Decision tree,DT）、随机森林（Random forest,RF）和支持向量机（Support vector machine,SVM）分别获取预测模型的准确性、灵敏度、特异度及曲线下面积（Area under the curve,AUC）,对预测模型的诊断性能进行评估。研究结果:ALNM与非ALNM组间的淋巴结长短径、有无脂肪门存在显著差异（p<0.05）。每一枚淋巴结经过后处理后共获得100个灌注特征,加上3个传统影像形态学特征,共103个特征。103个特征经过数据标准化处理、降维及筛选后,建立三种预测模型,模型一存在过度拟合。模型二包括8个特征（2个灌注定量特征、5个半定量特征及有无脂肪门）,其DT、RF、SVM的灵敏度、特异度、准确度、AUC分别为85.9%、90.9%、88.4%及0.947;87.6%、95.2%、91.4%及0.97;89.1%、91.5%、90.3%及0.94。模型三剔除所有传统影像形态学特征,进行全灌注特征筛选,筛选出8个特征（2个定量和6个半定量特征）,其DT、RF、SVM的灵敏度、特异度、准确度及AUC分别为88.0%、93.0%、90.5%及0.95.2;84.1%、88.3%、86.2%及0.939;89.3%、95.4%、92.3%及0.9773。结论:DCE-MRI及特定药物动力学模型所获取的灌注定量及半定量参数可以准确、无创评估ALNM。