直肠癌的发病率和死亡率呈逐年上升趋势,由于直肠癌早期诊断率低,大多数患者在手术时已错失最佳的治疗时机,导致患者预后极差。脉管侵犯和淋巴结转移是直肠癌早期诊断和评估预后的重要因素,因此,术前评估直肠癌患者的脉管侵犯和淋巴结转移状态至关重要。影像组学通过从医学影像中提取高通量特征,将医学影像问题转换为可以使用计算机解决的问题,在肿瘤的临床辅助诊断和制定治疗方案等方面具有较好的应用前景。本文基于影像组学方法,针对当前临床工作中的手术前影像检查难以判断直肠癌患者脉管是否受侵和淋巴结是否转移的两个临床问题,分别提出了术前预测直肠癌脉管侵犯和淋巴结转移状态的分类模型。本文采用的脂肪抑制T2加权序列（Fat suppression-T2 weighted imaging,FS-T2WI）影像来自河南省人民医院。具体工作流程是:首先对影像数据进行感兴趣区域勾画、图像降噪和小波变换等预处理,并对临床数据进行统计学分析。然后基于影像数据和临床数据构建了三种分类模型:采用U检验、弹性网和支持向量机递归特征消除等三种算法对影像特征进行筛选,得到最重要的特征,来构建影像模型;采用以赤池信息量准则为评价指标的逻辑回归算法,筛选得到的临床特征,来构建临床模型;将临床特征与影像模型的预测概率相结合,采用逻辑回归算法筛选出的特征,来构建组合模型。最后,通过AUC、准确率、特异度等评价指标,对分类模型的预测性能进行全面评估。实验结果表明,本研究提出的分类模型具有良好的预测性能,在预测脉管是否受侵的分类模型中,组合模型的AUC值在训练集和测试集上分别为0.954和0.909,相较于临床模型的0.766和0.678,具有较好的预测性能。在预测淋巴结是否转移的分类模型中,影像模型的AUC值在训练集和测试集上分别为0.801和0.738,相比临床模型的0.617和0.557,表现更好。实验中设计的校准曲线显示了分类模型的有效性,决策曲线表明分类模型具有临床实用性。