目的 探讨基于深度学习的卷积神经网络（CNN）模型在预测肺结节病理分型中的应用价值。方法 回顾性收集 60 例经手术病理证实的肺结节患者薄层 CT 影像资料，构建基于三维 CNN 的深度学习预测模型，以术后病理为金标准，比较深度学习模型与传统 CT 影像学方法对肺结节病理分型的诊断效能。结果 深度学习模型的整体诊断准确率、灵敏度及受试者工作特征（ROC）曲线下面积（AUC）均高于传统 CT 影像学方法（P<0.05）；在四种病理亚型的分类识别中，深度学习模型对微浸润腺癌及浸润性腺癌的识别准确率较高；深度学习模型的约登指数与 Kappa 值均优于传统 CT 影像学方法（P<0.05）。结论 基于深度学习的 CNN 模型在预测肺结节病理分型方面具有较高的诊断效能，优于传统 CT 影像学诊断方法，可为临床术前决策提供参考。