目的 探讨扩散加权成像（DWI）全域子宫内膜纹理分析对早期子宫内膜恶性病变的诊断价值。资料与方法 回顾性分析2017年1月—2021年1月于首都医科大学宣武医院就诊的51例早期子宫内膜病变患者的临床、生化、影像及病理资料，根据病理结果分为良性组16例和恶性组35例，按照7∶3随机分为训练集37例和测试集14例，对所有图像的全域子宫内膜提取4 185个纹理参数。在训练集中使用快速相关的特征算法、最大相关-最小冗余算法结合LASSO算法，对能够准确预测子宫内膜恶性病变的纹理参数进行筛选并线性整合成影像组学评分，使用Logistic算法在训练集中构建临床模型、影像组学模型和联合模型，并在测试集中对各模型进行测试，采用受试者工作特征（ROC）曲线评价模型的诊断效能，在整体数据集下比较子宫内膜病变恶性组和良性组的临床、病理、生化及影像组学评分。结果 训练集中联合模型与影像组学模型诊断子宫内膜恶性病变表现最好且一致（曲线下面积为0.88，准确度为83.78%）。测试集中联合模型与影像组学模型预测子宫内膜病变病理类型ROC曲线表现一致（曲线下面积为0.88，准确度为85.71%），且预测效能高于临床模型（曲线下面积为0.53，准确度为50%）。良性组和恶性组间仅影像组学评分差异有统计学意义（Z=-4.36,P<0.001），年龄、身高、体重、术前生化指标CA199、CA125、癌胚抗原及平均表观扩散系数、最小表观扩散系数差异均无统计学意义（Z=-1.52～-0.21,P均>0.05）。结论 基于DWI的子宫内膜全域纹理分析能够评估子宫内膜组织水分子扩散异质性，并且可以准确诊断子宫内膜早期恶性病变，辅助临床及早制订治疗决策。