搏动性耳鸣的病因诊断依赖于影像学检测，但病因众多，缺乏普适性强、机制明确的诊断标准。基于搏动性耳鸣患者和无耳鸣人群的CT影像横截面图，提出了一种高精度的耳鸣识别神经网络模型，并自动标示高致病区域，辅助临床诊断。使用迁移学习Resnet-v1-50模型，取骨窗颞骨中部水平截面样本进行分类学习，并以grad-CAM方法对分类高权重区域自动标注；统计CT截面大尺寸（全颅）、中尺寸（双侧颞骨）、小尺寸（右侧颞骨）三种数据集的耳鸣分类高权重区域涉及的解剖结构，逐步细化感兴趣区域，提高分类高权重区域标注分辨率。实验结果显示，包含双侧颞骨的中尺寸数据集分类精度最好，测试集精度达到100%。搏动性耳鸣分类高权重区域集中于双侧或单侧颞骨部位，主要包括颞骨蜂房、鼓窦、乙状窦骨板、上鼓室等部位。搏动性耳鸣与颞骨及附近骨质结构有密切关系；搏动性耳鸣患者在双侧颞骨或耳鸣对侧颞骨均有较大概率存在区别于无耳鸣人群的结构异常；颞骨蜂房、鼓窦、乙状窦骨板、鼓室等结构均有较高概率包含搏动性耳鸣的高致病区域。以上影像分析结论与搏动性耳鸣生物力学研究结论实现了相互佐证。