〔摘　要〕 目的 建立卷积神经网络(CNN)模型对流式细胞术(FCM)数据进行自动分析，实现急性髓系白血病(AML)的初步诊断，探究将CNN模型应用于FCM数据分析中的可行性。方法 以FlowRepository数据库和新疆维吾尔自治区人民医院临床检测中心获得的骨髓FCM数据进行CNN应用的探索性研究，数据均已被临床确诊是否患有AML。其中，公开数据按照6∶2∶2划分训练集、验证集和测试集，本地数据作为外部测试集；为了使FCM数据能够适应CNN模型，提出一种基于图像矩阵原理的FCM数据结构，对原始数据进行预处理后，提取与AML初步诊断相关的变量，包括侧向散射光和CD45、CD13、CD33、HLA-DR、CD117、CD34的各抗原表达水平，将各变量写入矩阵；对训练集使用细胞抽样和数据增强方法增大样本量，在Python中使用keras软件包构建LeNet-5 CNN模型，将训练集和验证集分别用于模型的训练和调参，评价模型在测试集上的性能。结果 CNN在两测试集上识别AML的准确率分别为0.931、0.851,灵敏度为0.667、0.636,特异度为0.968、0.940,受试者工作特征曲线下面积(AUC)为0.940和0.917。结论 基于提出的FCM数据结构，CNN模型能够实现对AML的初步诊断，表明CNN在FCM数据分析中具有一定的应用价值。