目的:探讨MRI影像特征和纹理分析技术在术前预测肾透明细胞癌（cc RCC）患者WHO/ISUP核分级的价值。材料与方法:回顾性分析2016年7月至2020年12月福建医科大学附属第一医院109例经手术病理确诊为cc RCC患者的术前肾脏MRI图像。根据WHO/ISUP分级系统,分为低级别组cc RCC 68例（Ⅰ级4例,Ⅱ级64例）和高级别组cc RCC 41例（Ⅲ级33例,Ⅳ级8例）。评价MRI影像学特征并提取图像纹理特征。选取横断面图像病灶的最大层面,在皮髓质期图像上勾画ROI。使用Ma Zda软件提取纹理特征,包括灰度直方图、灰度共生矩阵、游程矩阵、梯度、自回归模型及小波变换6种类型。使用Ma Zda软件内部的Fisher系数法、交互信息测度法2种算法对提取的定量特征进行特征选择,并对筛选出的纹理参数或影像学特征进行两组间独立样本t检验、Mann-Whitney U检验或χ2检验,差异有统计学意义的变量构建多因素二元logistic回归模型,建立ROC曲线,分析其术前预测cc RCC核分级的效能。结果:低、高级别cc RCC组间肿瘤长径、形状与边界、瘤内出血、瘤内血管、瘤周血管、囊实性、肾窦受累、静脉瘤栓、瘤内坏死和20个纹理特征差异有统计学意义（P值均<0.05）。构建5个单变量、多变量二元logistic回归模型,包括MRI影像特征模型（M1）、纹理特征“S（4,0）Entropy”模型（M2）、纹理特征“S（5,-5）Entropy”模型（M3）、MRI影像特征联合纹理特征“S（4,0）Entropy”模型（M4）、MRI影像特征联合纹理特征“S（5,-5）Entropy”模型（M5）。诊断模型M1、M2、M3、M4、M5预测高级别cc RCC的ROC曲线下面积分别为0.783（95%可信区间0.692～0.874）、0.746（95%可信区间0.656～0.836）、0.749（95%可信区间0.660～0.838）、0.848（95%可信区间0.774～0.922）和0.849（95%可信区间0.774～0.924）,诊断高级别cc RCC的敏感性、特异性、阳性预测值和阴性预测值分别为48.8%、85.3%、66.7%、73.4%（M1）;56.1%、75.0%、57.5%、73.9%（M2）;56.1%、75.0%、57.5%、73.9%（M3）;65.9%、88.2%、77.1%、81.1%（M4）;65.9%、86.8%、75.0%、80.1%（M5）。MRI图像特征联合纹理特征“S（4,0）Entropy”的logistic回归模型（M4）及MRI图像特征联合纹理特征“S（5,-5）Entropy”的logistic回归模型（M5）与MRI图像特征的logistic回归模型（M1）的比较分析表明,两对模型对高级别cc RCC的诊断效能均大致相当（P值均>0.05）,但是MRI图像特征联合纹理特征“S（4,0）Entropy”的模型及MRI图像特征联合纹理特征“S（5,-5）Entropy”的logistic回归模型的诊断效能均优于任何单一纹理特征。结论:基于MRI影像特征的模型能术前预测cc RCC的WHO/ISUP核级别;MRI影像特征联合纹理特征有助于准确鉴别cc RCC的WHO/ISUP核级别,且比仅应用纹理特征具有更好的诊断效能。基于MRI纹理分析联合影像学特征有望成为术前无创预测cc RCC的WHO/ISUP核分级的有效方法。