目的：构建基于动态增强磁共振成像（DCE-MRI）的定量参数（Ktrans、Kep、Ve及ADC值）、影像组学三维特征模型及二者联合模型术前预测乳腺癌Ki-67表达水平。方法：回顾性分析110例浸润性乳腺癌女性患者的临床、病理及MR动态增强影像资料。根据Ki-67值将患者分为两组，Ki-67值≧30%者为高表达组，Ki-67值<30%者为低表达组。应用DCE-MRI及Tissue 4D软件与相应的药代模型拟合计算得到Ktrans、Kep、Ve、IAUC等定量参数，找出已扫描的肿瘤最明显层面的ADC图，在感兴趣区画ROI，测量三次取其平均值的方法，记录定量参数值；提取DCE-MRI 第4期肿瘤区域三维影像组学特征；筛选出最优特征并以此构建预测乳腺癌 Ki-67的表达状态模型，绘制诺莫图对模型可视化，并对模型效能进行评估。使用自助重抽样法（Bootstrap）重复抽样1000次重新生成训练样本并重构模型进行内部验证,并绘制ROC曲线。将影像组学模型与定量参数结合制定联合模型，比较三者的AUC找出最优预测模型。结果：高低表达组间年龄及肿瘤最长径无统计学意义；经t检验，结果显示，Ktrans、Kep及ADC具有统计学意义（p<0.001），相比之下，高表达组的Ktrans和Kep指标高于低表达组，而其ADC值则低于后者，Ve值在Ki-67高低表达组间无统计学意义（p=0.105）；构建模型的诺莫图，训练组的受试者工作特征（ROC）显示曲线下的面积（AUC）为0.876，（95%CI 0.803~0.949）、最佳截断值为0.513，敏感度为80.6%、特异度为86.9%。Hosmer-Lemeshow拟合优度检验为0.735。决策曲线（DCA）阈值为17%~100%。内部验证组中AUC为0.854（95%CI 0.851~0.878）、敏感度为84.0%、特异度为72.9%；定量参数（Ktrans、Kep及ADC）、影像组学及二者联合模型预测乳腺癌Ki-67高低表达的AUC分别为0.876、0.796和0.897，三者间具有统计学意义(p<0.05)，联合模型对乳腺癌Ki-67高低表达的预测效能最佳。结论：基于DCE-MRI定量参数（Ktrans、Kep及ADC值）、影像组学三维特征模型及二者联合模型均可在术前对浸润性乳腺癌Ki-67的表达状态进行预测，提供了能够在术前进行有效、无创性评估乳腺癌肿瘤细胞增殖情况的预测模型，为乳腺癌的治疗方案及决策选择提供新的参考依据。