肝细胞癌是最常见的原发性肝癌,是世界上第四大癌症死亡原因。肝切除术是肝细胞癌最有效的治疗手段之一。然而,肝细胞癌患者接受肝切除术后仍有高达70%的复发率。一个重要原因是肝细胞癌患者可能会发生微血管浸润。微血管浸润对于肝细胞癌患者进行手术具有非常重要的指导意义。在传统医学中,诊断微血管浸润现象的金标准是检查病理图像。病理图像只能通过术后肿瘤的取样和切片获得,然而此时观察病理图像得到微血管浸润结果已经失去指导手术的时效性。为解决这一问题,有大量研究探索在术前使用增强核磁共振图像预测肝细胞癌患者是否发生微血管浸润。增强核磁共振图像在本文中也称为多序列图像。由于目前肝细胞癌微血管浸润研究多采用多序列图像,当前的研究普遍使用多序列图像特征融合模型,其相比于单序列预测模型在预测效果上有一定的提升。然而这些多序列图像特征融合模型往往只是将不同序列提取出的影像特征简单拼接,没有将多序列的特征作为先验知识充分利用并结合到模型中,也就限制了模型预测效果的提升。根据这一研究现状,本文基于增强核磁共振影像对于肝癌预测的算法做了以下研究与应用。（1）本文提出基于自注意力机制和图像金字塔方法的卷积神经网络模型。该模型可以更充分的利用增强核磁共振多序列图像之间的差异性和关联性信息,以提升模型的预测效果。该模型中包括本文提出的多序列图像差异性提取金字塔模块与多序列图像关联性注意力模块。其中,多序列图像差异性提取金字塔模块可以从多尺度提取不同序列之间的差异性信息,而多序列图像关联性注意力模块则是利用自注意力机制中的相似性计算提取多序列图像之间的关联性信息。本文中的对比实验和消融实验也表明,该模型在多序列融合模型的基础上将模型的预测效果进一步提高。（2）本文设计并实现了肝细胞癌微血管浸润术前预测辅助系统。该系统中内置了本文提出的基于自注意力机制和图像金字塔方法的卷积神经网络模型,可以在导入多序列图像数据后实现微血管浸润的一键预测。此外,该系统还增加了多序列图像及其对应的肿瘤分割标记查看功能,以及包括影像数据、病人基本信息和其它与微血管浸润相关的术前临床信息的数据库保存功能。这些功能可以帮助用户更好的收集与整理肝细胞癌患者信息,并且辅助用户进行微血管浸润术前预测。