光学相干断层扫描（optical coherence tomography,OCT）是一种无创、高分辨率的三维层析成像技术。宫颈OCT图像能够反映宫颈组织微米级的形态学特征,最近已被应用于妇科宫颈病变检查,并且通过临床证明了其优于阴道镜的诊断性能。然而,大多数妇科医生并不熟悉这种新的成像技术,需要经过较长时间的专门培训才能进行准确判读,亟需高效的计算机辅助诊断系统。因此,如何应用图像分类和识别的技术辅助医生判读宫颈OCT影像,降低宫颈癌的漏诊率,成为医工融合领域备受关注的研究课题。要实现宫颈组织OCT影像自动判读,需要关注OCT影像本身以及临床应用场景中的主要问题:1)宫颈OCT图像区别于自然图像,其分析需要结合疾病的病理知识和OCT技术的成像特点,如何构建合理有效的分类模型,使其能提取符合医学知识的特征并进行准确分类,这是本文需要解决的核心问题;2)临床应用时须综合考虑医生和患者的需求,除疾病类别外,辅助医生分析和诊疗还需提供多维度的图像分析信息和可靠的病灶定位,这决定了辅助诊断技术能否真正落地。借鉴病理影像的全视野数字切片自动分类的思路,本文开展了对微观图像块（patch）和宏观整图（OCT影像）的研究,主要的技术贡献如下:（1）在patch特征提取和分类问题上,本文提出了将特征金字塔网络（feature pyrimd network,FPN）与纹理编码和深度监督相结合的OCT图像分类模型（multiscale texture encoding,MSE）,以对宫颈组织分类更有效的纹理特征提取为目标,通过对骨干网络的多阶段特征重用和纹理编码挖掘了四个尺度上的纹理特征,并通过引入辅助分类机制自适应地调整FPN中每个尺度的权重,以较低的模型参数成本提高了模型的分类性能;（2）在自动判读整图和提供辅助诊断信息问题上,本文结合所提的patch分类模型MSE,提出了利用patch集合自动推断整图分类并定位病灶的算法,通过设计基于patch的置信度的值、分布、图、序列的方法实现了整图（一个三维OCT影像）的类别预测,通过合理应用可视化和可解释性技术实现了病灶的两阶段定位,为医生做临床决策提供了丰富直观的辅助信息。针对从多中心临床研究收集的宫颈OCT图像数据集的实验结果表明,本文提出的图像分类模型优于其它基线模型,在识别阳性（宫颈鳞状上皮内高度病变和宫颈癌）样本的任务上获得了94.89%的准确率,达到了四位使用OCT超过一年的医学专家的平均水平;对于整图任务,在测试集上识别阳性样本的精确度达到了96.15%,在额外验证集上F1值达到88.31%,并能提供具体全面的病灶和组织形态学可视化信息。因此,本文所提方法具有被有效地用于临床宫颈病变筛查的巨大潜力。