目的 通过灰阶超声影像组学特征鉴别膀胱尿路上皮癌病理分级。方法 回顾性分析2016年4月～2023年5月山西白求恩医院153例经病理证实的膀胱尿路上皮癌患者。灰阶超声图像手工勾画肿瘤感兴趣区并提取组学特征，LASSO特征降维后采用3种机器学习方法建模并选出最优影像组学模型。采用ROC曲线对模型性能评估，采用Hosmer-Lemeshow适合度检验评价模型的拟合度，并绘制校正曲线，采用决策曲线分析进一步探讨模型的临床应用价值。结果 3种机器学习模型中的支持向量机算法模型性能表现最优，此模型在训练集和测试集的曲线下面积分别为0.858(95%CI:0.787～0.928)和0.832(95%CI:0.708～0.936)，校准曲线显示出良好的一致性。决策曲线分析结果显示具有较高的净收益。结论 基于灰阶超声影像组学在鉴别膀胱尿路上皮癌病理分级具有术前诊断价值,有助于临床精准诊疗。