目的 探讨基于深度学习的心脏超声血流成像对肥厚型心肌病（HCM）合并心律失常的预测价值。方法 对2020年3月～2023年3月收治的90例HCM患者的临床资料进行回顾性分析，按4:1:1的比例分为训练组（n=60）、验证组（n=15）和试验组（n=15）。训练组患者根据是否合并心律失常分为并发组（n=20）和非并发组（n=40）。收集患者的一般数据，建立心脏超声血流成像的深度学习模型，提取图像数据：左心室射血分数（LVEF）、左心房容积指数（LAVI）、E/e’、涡流面积变化率、循环强度变化率、平均血流速度和平均能量损耗（EL）值。结果 3组患者一般资料不存在统计学差异；训练组中并发组与非并发组患者的一般资料也不存在显著性差异，但是并发组的LAVI(P<0.01)、E/e’(P<0.01)、涡流面积变化率（P<0.01）、循环强度变化率（P<0.01）、平均血流速度（P<0.05）、平均EL(P<0.01)显著高于非并发组，LVEF则显著低于非并发组（P<0.01）；多因素Logistic回归分显示：涡流面积变化率、循环强度变化率、平均血流速度、平均EL与LAVI、E/e’均为HCM伴发心律失常的危险因素，LVEF是HCM伴发心律失常的保护因素；训练组模型ROC曲线AUC值为0.985，验证组ROC曲线AUC值为0.989，试验组ROC曲线AUC值为0.980。结论 基于深度学习的心脏超声血流成像能更准确地识别心脏超声图像，对HCM并发心律失常有较高的预测价值，涡流面积变化率、循环强度变化率、平均血流速度、平均EL、LAVI和E/e’均是HCM并发心律失常的危险因素。LVEF是HCM伴发心律失常的保护因素。