新辅助治疗（neoadjuvant therapy,NAT）后进行全直肠系膜切除（total mesorectal excision,TME）手术是局部进展期直肠癌（locally advanced rectal cancer,LARC）患者的标准治疗方案。在接受了NAT后,大约有50%至60%的LARC患者实现了肿瘤分期降低且有大约20%的患者能够达到病理学完全缓解,随后进行的TME手术能够有效降低肿瘤局部复发的风险。然而,在这一治疗方案的实施过程中仍面临一些挑战。首先面临的挑战是如何选择适合NAT的患者。有研究表明大概7%的LARC患者对新辅助治疗无反应。如果能在新辅助治疗前识别出这些无反应患者,那么将使这部分患者免受NAT的痛苦并及早接受手术。T3期直肠癌患者是否需要NAT仍存在部分争议。欧洲肿瘤内科学会指南推荐淋巴结状态作为是否需要NAT的重要标志之一。因此淋巴结状态的准确评估对于T3期直肠癌患者治疗方案的选择意义重大。面临的第二大挑战是如何确定NAT后的手术切除范围。对于部分治疗效果良好的患者而言,TME手术其实是不必要的过度治疗方案,局部切除可能是更加合适的手术方案。局部切除的条件之一便是肿瘤周围淋巴结病理阴性。因此,在NAT后准确评估肿瘤周围淋巴结状态,对于手术切除范围的确定至关重要。本论文以患者的诊疗影像为基础,针对具体问题开发特异性的影像组学算法,以期辅助治疗方案的决策。本文的主要研究成果如下:首先,提出了一种基于影像组学的直肠癌NAT治疗无效的预测算法。具体而言,本研究首先回顾性收集了单中心的425例接受了NAT和TME手术的LARC患者的治疗前多序列磁共振影像和临床信息并随机将患者分成训练集和验证集;随后在每个序列的影像中提取了高维影像组学特征;然后在训练集中通过组间秩和检验、特征间斯皮尔曼相关性分析和最小绝对收缩与选择算子（least absolute shrinkage and selection operator,LASSO）等三步特征选择步骤建立了多序列影像组学模型并按照相同的流程例外建立了三个单序列的影像组学模型;接下来通过模型在验证集中的受试者工作特性曲线（receiver operating characteristic,ROC）分析证明这种多序列建模方法优于单序列建模方法,多序列模型在验证集的曲线下面积（area under the curve,AUC）达到了0.773;最后回顾性收集了单中心的125例接受了NAT和手术的乳腺癌患者的治疗前多序列磁共振影像,并使用与直肠癌数据相同的建模和验证方法,证明本文提出的算法框架具有可推广性。其次,提出了一种基于影像病理组学的T3期直肠癌淋巴结病理状态的预测算法。本论文提出了融合治疗前计算断层成像（computed tomography,CT）影像和活检数字病理影像信息的影像病理组学建模方法。具体而言,本研究首先回顾性收集了单中心的85例接受TME手术和淋巴结清扫的T3期直肠癌患者的初诊CT影像、活检数字病理图像和临床信息并随机将患者分成训练集和验证集;随后在CT影像中分别提取肿瘤内部和瘤周区域的高维影像组学特征,在活检数字病理图像中提取了高维病理组学特征;然后在训练集中通过LASSO选择关键的影像病理组学特征并利用支持向量机（support vector machine,SVM）建立了影像病理组学模型并构建了SVM-score用于评估淋巴结病理阳性的风险;随后通过相同的流程分别建立了影像组学模型和病理组学模型;最后通过模型在验证集中的ROC曲线分析证明这种多模态影像融合的建模方法优于单模态建模方法,本研究建立的影像病理组学模型预测淋巴结病理状态的准确率达到了80%,相比医生60%的诊断精度有大幅提升。最后,提出了一种基于影像组学的直肠癌患者NAT后淋巴结病理状态的预测算法。本研究提出了基于NAT后且手术前的多序列磁共振影像的影像组学建模方法。具体而言,本研究首先回顾性收集了单中心的391例接受NAT加TME手术且进行了淋巴结清扫的LARC患者的治疗后多参数磁共振影像并随机将患者分成训练集和验证集;随后在多序列磁共振影像中提取肿瘤内部的高维影像组学特征;然后在训练集中通过组间秩和检验、特征间斯皮尔曼相关性分析和LASSO等三步特征选择步骤建立了多序列影像组学模型;随后在验证集中对比影像科医生和多序列影像组学模型的诊断性能;最后结合医生的诊断结果与影像组学标签建立了临床影像组合模型,并通过亚组分析表明本研究建立的组合模型在治疗后磁共振T1-2期患者中达到了非常很好的预测效果,AUC达到0.957,阴性预测值达到100%。综上所述,本论文针对局部进展期直肠癌治疗决策中面临的挑战性问题,以影像组学为基础开发决策算法,为患者的个性化治疗提供具有参考价值的信息。