為了解決目前肝臟腫瘤病理分級主要依靠穿刺活檢、手術病理取材等侵入式方法的問題，提出了一種在非增強核磁共振圖像（MRI）上進行肝臟腫瘤病理分級的定量分析方法。首先對采集到的 MRI 圖像，由醫生在專業軟件中人工分割出病灶部位，對這些病灶部位提取高通量的 328 維圖像特征，包括灰度、形狀、紋理、小波等特征，利用最小絕對收縮和選擇運算符（LASSO）和交叉驗證方法從中挑選出對病理分級最有價值的特征，組成影像組學模型并融合臨床信息實現對腫瘤高、低分化分類的定量分析。在 170 位肝臟腫瘤患者的 MRI 圖像（T1 加權圖像和 T2 加權圖像）上進行實驗，通過計算接收者操作特征（ROC）曲線下面積（AUC）來衡量模型的預測性能。結果表明，基于高通量圖像特征的 LASSO 回歸定量分析方法，在訓練集上獲得 AUC 為 0.909，在測試集上 AUC 為 0.800。挑選出來的圖像特征組成的影像學標簽可以對高、低分化進行自動分類，從而為醫生提供了一種非侵入的輔助診斷方法，有助于預后判斷和治療方案的制定。