脑动静脉畸形是一种临床常见的脑血管疾病，医学影像在其诊断、治疗、预后中起到关键作用。然而脑动静脉畸形影像表现常常复杂难辨，无法准确提供诊断。同时不同医生对影像结果的诊断差异性大，可重复性差，对临床诊疗提出巨大挑战。在过去，医学影像是一种定性或半定量方法，图像信息仅用于视觉解释，很难从图像中得到量化的信息，并将其转化为有价值的结果。随着计算硬件和机器学习算法的发展，精准医疗时代医学影像分析领域呈指数级增长，这促进了从高通量数据中定量特征提取技术的发展。机器从图像中获取大量可挖掘信息，并通过统计学、机器学习等方法分析、筛选出最具有价值的影像组学特征，以用于临床决策支持。影像组学作为一种新兴起的医学影像技术，以大数据为支持，融合人工智能、机器深度学习，发现人眼无法识别的信息，与传统医学影像形成鲜明对比。目前影像组学在脑动静脉畸形的辅助诊断、治疗规划和预测疗效及预后等方面展现出巨大潜力，符合个体化精准诊疗要求。本文详细描述了影像组学的基本流程，包括获取图像、图像分割、特征提取和筛选、模型建立，并介绍了脑动静脉畸形中有关影像组学的应用研究及其局限性和未来发展方向。