目的：探讨超声影像纹理分析鉴别诊断乳腺良恶性微小病变的价值。方法：选取158例患者共164个乳腺微小病变，将超声二维影像导入MaZda 4.6软件中，手动勾画病变的感兴趣区（area of intrest，ROI），分别选择交互信息（mutual information，MI）、分类错误概率（probability of classification error，POE）联合平均相关系数（average correction coefficient，ACC）（POE+ACC）、Fisher系数，以及以上3种方法的联合（Fisher+ POE+ACC+MI）选择最具鉴别价值的纹理特征参数，并构建人工神经网络（artificial neural network，ANN）模型。以病理结果作为金标准，对比分析超声影像纹理分析和超声医师评估的准确性。结果：对于乳腺微小病变，采用MI方法进行纹理分析的总误判率为46.34%（76/164），POE+ACC的总误判率为48.17%（79/164），Fisher系数的总误判率为23.78%（39/164），3种方法联合的总误判率为20.12%（33/164），超声医师的误判率为29.27%（48/164），其中，3种方法联合的误判率最低。同时，超声医师对恶性微小病变的误判率明显高于良性微小病变（P＜0.05）。结论：超声影像纹理分析可用于鉴别诊断乳腺微小病变的良恶性。