目的 使用CT影像组学方法，建立6种机器学习模型，鉴别胰腺浆液性囊腺瘤(SCN)及黏液性囊性肿瘤(MCN)，试图提高该两种疾患的诊断能力，并探索和比较多种机器学习模型的效能。方法 回顾性收集经手术病理证实的37例胰腺SCN患者及28例MCN患者的CT影像学资料，所有患者均在术前做过CT增强扫描。所有病变在CT门脉期图像上手动勾画体积感兴趣区(VOI)并提取720个影像组学参数，纳入病例按7：3分为训练组及验证组数据。在训练组中采用单变量分析、Spearman相关分析及Lasso方法进行降维处理，并联合降维后的参数应用Logistic回归、随机森林、引导聚集算法、支持向量机、人工神经网络及朴素贝叶斯共6种机器学习方法建模，在训练组及验证组中预测效能并进行比较。结果 在训练组中从门脉期提取出的720个影像组学参数降维后筛选出11个参数，6种机器学习联合参数创建的模型在验证组中预测均有较好的效能，其中人工神经网络模型在验证组中表现最佳[ROC曲线下面积(AUC)为0.920，敏感性为0.750，特异性为0.999，准确性为0.895)]。结论 基于胰腺门脉期CT的人工神经网络机器学习建模对胰腺SCN及MCN有很好的鉴别价值。