背景与目的：胸腺瘤术前分类对治疗决策很有帮助，但获取存在一定困难。本研究旨在建立基于增强对比计算机体层成像（contrast-enhanced computed tomography，CECT）影像组学的胸腺瘤风险分类训练模型，并验证其性能、可靠性和泛化能力。 方法：本回顾性队列研究分析了在上海交通大学医学院附属胸科医院2008年1月—2017年12月接受胸腺瘤切除手术的患者（Masaoka-Koga Ⅰ~Ⅲ期）的临床资料。将患者随机分层为训练组（80%）和测试组（20%），将术后病理学检查结果作为金标准。低风险组织学类型包括A、AB和B1。高风险组织学类型包括B2和B3。手动分割术前CECT图像相关肿瘤区域并提取影像组学特征。使用最小绝对收敛和选择算子（least absolute shrinkage and selection operator，LASSO）回归进行特征选择，并将临床特征添加到联合模型中。模型性能指标包括受试者工作特征（receiver operating characteristic，ROC）曲线的曲线下面积（area under curve，AUC）、灵敏度和特异度。结果：共纳入478例患者（平均年龄51.3±12.3岁，男性占48.1%）。临床模型、基于CECT的影像组学模型和在测试集上使用临床和CT特征的模型AUC分别为0.666、0.831和0.850。性能最佳的模型的灵敏度为0.829，特异度为0.764。结论：基于术前CECT的影像组学模型在胸腺瘤风险分类中表现良好。