目的:比较临床模型、常规MRI形态学模型、ADC模型、T2WI、DWI、DCE-MRI影像组学模型和传统模型、多序列影像组学模型及混合模型在预测Ⅰ型和Ⅱ型上皮性卵巢癌（EOC）中的诊断性能,并验证传统模型与影像组学模型相结合是否对预测EOC的组织学分级上更有帮助。方法:回顾性分析2015年1月至2019年6月内蒙古医科大学附属医院经术后病理证实为EOC,且术前行MRI平扫和增强扫描的61例患者,共计80个病灶（Ⅰ型=30,Ⅱ型=50）。所有MRI检查均在3.0 T超导型MR扫描仪（Discovery MR750;GE Healthcare）上通过8通道相位矩阵线圈进行。主要成像序列包括轴位FS-T2WI,DWI和DCE-MRI。通过单因素和多因素logistic回归分析保留p<0.05的特征,建立临床模型,常规MRI形态学模型,ADC模型以及结合所有参数的传统模型。建立包括FS-T2WI,DWI和T1增强图像的影像组学模型,并联合多序列建立组合影像组学模型。从每个序列中提取1070个影像组学特征,采用单变量分析和最小绝对收缩选择算子（LASSO）筛选重要特征。将传统模型与多序列影像组学模型结合以建立混合模型。使用Delong检验比较不同模型之间的AUC值差异。根据最大尤登指数的临界值计算准确性、特异性、敏感性、阳性预测值和阴性预测值。使用校准曲线评估每个模型的预测性能。通过评估阈值概率下的净收益,进行了决策曲线分析（DCA）以评估每种模型的临床实用性。由于本研究数据量较少,为了确保没有受数据偏差或者样本量不足的影响,应用逻辑回归建立以上所有模型时不采用分组,而采用10折交叉验证,重复建模20次。结果:临床模型中年龄（P<0.05）,CA125（P<0.05）代表Ⅱ型EOC的独立预测变量,基于上述独立变量建立临床模型,所得AUC为0.82（95%CI:0.73-0.92）。肿瘤性状（P<0.001）,腹水（P<0.005）代表Ⅱ型EOC的独立预测因子,基于上述独立因素的常规MR形态学模型的AUC 82%（95%CI:0.73-0.92）。Ⅱ型肿瘤的ADC值(9.3±1.87×10^-4mm²/S)明显小于Ⅰ型肿瘤(12.34±2.29×10^-4mm²/S,P<0.001),ADC模型的AUC为86%（95%CI:0.78-0.94）。建立的T2WI、DWI、T1增强的影像组学Logistic回归模型中DWI组学模型有着较好的预测效能,AUC 81%（95%CI:0.71-0.91）。经多因素Logistic回归得出年龄、CA125、肿瘤性状、腹水和ADC值是最具显著性差异的特征,随后建立传统Logistic回归模型用于预测EOC组织学分级。在ROC分析中证实了传统模型的辨别效力,AUC为96%（95%CI:0.92-1）,组合多序列影像组学模型（AUC=0.84,95%CI=0.75-0.92）并未显示出具有更高的诊断效能。Delong检验表明混合模型（AUC=0.97,95%CI=0.93-1）的诊断效能与传统模型无显著差异。校准曲线表明传统模型与混合模型具有相仿的预测性能。DCA证实了两者的临床实用性。交叉验证证实了结果的可靠性和可重复性。结论:组合多序列影像组学模型并未显示出比传统模型更高的诊断效能,混合模型的诊断效能与传统模型无显著差异,因此传统模型可以作为区分EOC Ⅰ型和Ⅱ型临床决策的有效工具。