目的：探讨扩散张量成像（DTI）、扩散峰度成像（DKI）、神经突触方向分散度与密度成像（NODDI）和平均表观传播子（MAP）MRI直方图分析在评估脑膜瘤分级的价值。

方法：前瞻性连续纳入136例脑膜瘤患者，术前行MR扩散成像，根据手术病理分为高级别和低级别组。计算四种扩散模型的功能图，提取全肿瘤的直方图参数。采用非参数检验比较两组参数，运用ROC和逻辑回归分析评估直方图参数和组合模型评估肿瘤分级的效能。

结果：高级别脑膜瘤的DTI-FA（最大值、峰度、偏度）、DTI-MD（最大值、方差）、DKI-FA（最大值、峰度、偏度）、DKI-MD（90百分位数、最大值、方差）、DKI-RK（90百分位数、最大值、方差）、NODDI-ICVF（90百分位数、最大值、方差）、NODDI-ISOVF（90百分位数、最大值、方差）、NODDI-ODI（最大值）、MAP-MSD（90百分位数、最大值、方差）、MAP-QIV（最大值、峰度、方差）、MAP-RTAP（最大值、方差）、MAP-RTOP（最大值、偏度、方差）、MAP-RTTP（最大值、方差）显著高于低级别脑膜瘤，DTI-FA（最小值）、DTI-MD（最小值）、DKI-FA（10百分位数、最小值）、DKI-MD（最小值）、DKI-MK（最小值）、DKI-AK（最小值）、DKI-RK（最小值）、NODDI-ICVF（最小值）、NODDI-ODI（最小值）、MAP-MSD（最小值）、MAP-QIV（最小值）、MAP-RTAP（最小值）、MAP-RTOP（最小值）、MAP-RTTP（最小值）显著低于低级别脑膜瘤 (P < 0.05)。扩散直方图参数评估脑膜瘤分级的AUC为0.653~0.828，四种模型最佳参数间的AUC没有显著差异（P＞0.05）。DKI组合模型的诊断效能显著高于其它模型（P < 0.05），AUC达0.968，灵敏度为88.98%，特异度为93.75%，准确度为89.55%。

结论：DTI、DKI、NODDI和MAP直方图分析可以评估脑膜瘤分级。DKI组合模型较单一直方图参数和其他扩散组合模型诊断效能更佳。