目的 评估基于分类模型的三维（3D）编码-解码深度卷积神经网络在自动勾画头颈部危及器官中的几何学精度和分割效率，为临床使用提供依据。方法 选取2020-01-05-2020-11-21四川省肿瘤医院收治的250例头颈部肿瘤患者CT,由资深放射治疗医师手动勾画危及器官，以其中150套图像作为训练集，用于调整自动勾画网络参数，60套为验证集，40套作为测试集。使用CT分类模型将患者CT在头脚方向分成6部分，通过3D编码-解码分割网络自动勾画脑干、脊髓、腮腺、下颌骨、气管、食管、垂体、眼球、晶体、视神经、视交叉和耳蜗等12个危及器官。采用戴斯相似性系数和豪斯多夫距离评估自动勾画的精度。采用单因素方差分析及配对t检验等方法对数据进行统计学分析。结果 训练集所有危及器官自动勾画的戴斯相似性系数平均值为0.94,豪斯多夫距离平均值为2.22 mm;验证集的戴斯相似性系数平均值为0.82,豪斯多夫距离平均值为2.96 mm;测试集戴斯相似性系数平均值为0.84,均)0.70,83.33%的危及器官戴斯相似性系数)0.80,豪斯多夫距离平均值为2.87 mm, 91.67%的危及器官豪斯多夫距离(3.50 mm。自动勾画网络勾画效率较高，平均勾画时间为125 s。结论 基于分类模型的3D编码-解码分割网络自动勾画头颈部肿瘤的危及器官可以得到较准确的结果，尤其是小体积危及器官的勾画，为头颈部肿瘤放射治疗危及器官自动勾画提供了方法。