胰腺癌是一种常见的恶性程度很高的胰腺肿瘤,作为全球致死率最高的疾病之一,世界各国都在加大力度研究胰腺癌的预防、诊断、预后以及治疗过程。CT在诊断胰腺癌、可切除性手术评估、胰腺癌分期方面有比较理想的效果,但是对于病灶较小的情况和较复杂的病变,CT的诊断效果就不尽如人意。MRI是CT之后在近年迅速发展起来较新的一项影像技术,在胰腺癌的诊断方面表现出更好的效果,现在很多研究者认为MRI在诊断胰腺癌时优于CT,MRI作为当前胰腺疾病诊断的主要手段之一表现出很多优点,尤其是结合DWI和MRCP技术其诊断效果超越了当前其他诊断手段。MRI和CT技术作为诊断胰腺癌最常用的两种影像技术,其诊断效果一直被人们拿来对比,各种研究得出来的结果有很多不一致的地方,甚至结论完全相反,我们针对MRI和CT在胰腺癌诊断方面整合近年的研究做一个meta分析,以做出一个新的统一的结论,为胰腺癌诊断提供指导意见。在这篇meta分析中我们主要研究几个方面的内容。首先,对近十年来的MRI和CT诊断胰腺癌的文献进行了全面的检索,严格按照纳入标准筛选所有可能相关的文献,最后纳入了一些高质量论文作为后续研究数据;其次根据数据选择和提取标准提取了研究所需的所有指标和必要数据,综合分析得出了一个统一的结论;最后我们针对MRI和CT对胰腺癌诊断可能存在的影响因素进行了亚组分析,通过统计检验计算出其影响诊断准确率的显著程度。meta分析结果显示,MRI诊断胰腺癌的敏感性和CT相仿,但是MRI的特异性要明显高于CT,诊断胰腺癌的时候MRI是个更好的诊断手段。虽然影像学高速发展给胰腺癌的诊断带来极大的方便,但是对胰腺癌准确的进行诊断依然是一项难题,为了辅助影像科医生诊断胰腺癌和减轻影像科医生的阅片工作,本文随后对胰腺癌MRI图像进行了计算机辅助诊断研究,对比了SVM和LDA方法对胰腺癌、胰腺炎患者和正常人的分类准确率。这部分工作主要包含以下流程:在医院采集患者数据,根据专家指导进行感兴趣区域提取并提取图像特征,实现机器学习算法后对训练数据集进行分类器训练,对MRI图像中胰腺疾病特征进行量化,完成人眼视觉特征到计算机数据特征的转换,最后对未知胰腺疾病患者MRI数据进行分类,为临床提供计算机辅助诊断服务。