目的在增强CT图像上构建基于深度神经网络的肾脏自动分割模型。方法收集2019年1月至2022年10月该院64例慢性肾脏疾病（CKD）患者的肾脏动脉期图像，根据血肌酐估算肾小球滤过率（eGFR）将其分为轻度肾损伤组、中度肾损伤组、重度肾损伤组和对照组，每组16例。采用ITK-Snap软件对图像进行逐层勾画，勾画区域包括肾实质及肾皮质。将数据集随机分为训练集和测试集，其中训练集40例（每组10例），测试集为24例（每组6例），构建肾实质及肾皮质分割模型并验证；比较肾实质容积及皮质容积的分割性能量化结果；对比4组图像测试集和模型Dice值，利用该模型定量评价肾实质及肾皮质容积，并评估其准确性。结果基于深度神经网络的增强CT图像肾脏分割模型对肾实质容积和皮质容积分割性能的量化结果显示，肾实质Dice值为93.53%，肾皮质Dice值为81.48%。各组图像肾实质容积和肾皮质容积Dice值差异无统计学意义（F=3.467、4.972，P＞0.05）。结论构建的基于深度神经网络的增强CT图像肾脏分割模型，能够用于肾脏实质及皮质的分割，取得的数据可靠。