目的:探索AI辅助下Lisfranc损伤基于CT影像学的特征分析及临床相关性研究。方法:收集2017年1月至2018年10月于上海市第六人民医院就诊的Lisfranc损伤病人的CT数据共326例,采用上海昕健医疗技术有限公司的昕健Arigin3D Pro三维医学重构处理软件V5.0对其中100例进行重建分析后完善软件算法,使软件能对原始CT数据进行自我识别,描述损伤部位与损伤程度,将剩余病例于软件识别分析后,与影像科医生识别结果,临床医师（足踝外科）识别结果进行对比分析,纠正识别错误,完善算法,将全部病例损伤进行详细描述后进行Lisfranc损伤特征统计分析。结果:AI软件进行识别时识别率约为70%,但仍然存在一定的假阳性率及假阴性率,经过人工识别,纳入本研究的326组CT数据中,其中男性208例（63.8%）,女性118例（37.2%）,年龄段最常见于19-44岁人群（42.9%）,其次为中年患者,为32.2%。。根据三柱分型理论,三柱损伤者最多,共149例,为45.7%,且内侧柱受累率最高,为（68.1%）。中间内侧柱损伤与中间外侧柱损伤的人数所占比例相当,各为19.6%和21.8%。所有患者中,单纯Lisfranc韧带损伤者7例,骨折脱位型70例,单纯脱位型1例,单纯骨折248例;合并楔骨骨折245例、骰骨压缩性骨折35例、累及Chopart关节者16例。本次研究最重要的发现是Lisfranc损伤合并楔骨骨折占据很大比重（245/326,75.2%）,通过单因素分析,我们发现年龄与内侧柱损伤存在一定联系,Lisfranc损伤存在性别分布差异第二跖骨与中间楔骨损伤存在联系,第二三跖骨损伤存在联系,第三跖骨与外侧楔骨,骰骨损伤之间存在联系。,中间柱损伤与外侧柱损伤存在联系。结论:AI智能软件可初步用于临床,但仍然需要进一步完善,需要更多数据进行识别分析,提高精度,减少漏诊率,Lisfranc损伤的发病率较文献报道率要高,并且存在年龄,性别分布差异。内侧柱损伤较为多见,在临床工作中,应仔细对内侧柱损伤进行评估,减少创伤后遗症发生。