目的：高级别浆液性卵巢癌是卵巢癌最常见的病理类型，具有侵袭性强，易产生耐药，预后差的特点，据统计，卵巢癌平均5年生存率仅为30%；在卵巢癌所有病理类型中，低级别浆液性卵巢癌虽对化疗反应不佳，但预后效果较好，无进展生存率明显延长。因此，新辅助化疗前明确鉴别高、低级别浆液性卵巢癌对患者预后具有重要临床意义。CT图像是卵巢癌术前诊断的关键性非侵入性检查，对比增强CT检查以血流灌注为基础使肿瘤显示更明显，同时能为评估肿瘤恶性程度提供关键指示性信息。影像组学近年来在图像识别任务中取得了较大进展；因此，本研究旨在开发一种诊断模型，该模型可评估对CT平扫，CT增强动脉期，CT增强静脉期，实现术前非侵入性诊断高级别浆液性卵巢癌。

方法：在这项回顾性研究中，我们收集了2013年3月至2019年8月具有附件肿瘤性病变并经病理证实为原发性卵巢癌的CT图像数据集（n=423，每位患者包括非增强CT图像以及对比增强动脉期CT图像及静脉期CT图像）。利用3D-slicer分割肿瘤三维感兴趣体积，使用pyradiomics提取肿瘤影像组学特征集，按照7:3随机将患者分为训练组及测试组，基于训练组数据采用LASSO算法进行特征选择并建立诊断模型，并进行测试组验证及十折交叉验证。分别计算模型诊断高级别浆液性卵巢癌的AUC和准确性。

结果：本研究共纳入423例患者，每种类型图像提取1688个影像组学特征。在训练组中，基于CT图像的影像组学诊断高级别浆液性卵巢癌的AUC和准确性分别为0.738和0.785；在测试组中的AUC和准确性分别为0.703和0.786。经十折交叉验证，该影像组学模型诊断高级别浆液性卵巢癌的AUC 和准确性为0.728和0.766。

结论：基于对比增强CT图像联合非增强CT图像的影像组学模型作为一种非侵入性方法可辅助临床医生诊断高级别浆液性卵巢癌，对指导临床诊疗，提高患者术后生存率具有重要意义。