目的 构建并验证一种基于三维卷积神经网络(3D-CNN)的肺结核活动性分级CT辅助诊断模型,提高肺结核诊断的效率和准确性,通过引入Grad-CAM可视化技术对模型的决策过程进行可解释性分析。方法 回顾性收集2020年1月～2024年12月在济宁市公共卫生中心接受胸部CT平扫的300例患者的病例资料,根据《肺结核诊断标准(WS288-2017)》结合临床综合评估(包括痰培养、病理结果、抗结核治疗反应及随访影像动态变化)将患者分为肺部正常组、活动性肺结核组和非活动性肺结核组,100例/组。采用3D-CNN模型提取CT影像的空间特征,结合交叉验证优化模型参数,并对模型性能进行评估。通过引入Grad-CAM算法,生成热力图以定位模型关注的关键区域,并验证其与临床诊断的一致性。结果 模型在测试集上的分类准确率为95.00%,敏感度为95.30%,特异度为95.60%。Grad-CAM可视化结果表明,模型关注的影像区域与临床专家标注的病灶区域高度一致。结论 基于3D-CNN的肺结核活动性分级CT辅助诊断模型具有较高的诊断性能,可为临床提供有效的辅助决策支持。Grad-CAM的引入增强了模型的可信度。