宫颈癌是女性常见癌症,严重威胁着女性的健康和生命,近年来在我国的发病情况呈现出年轻化的趋势。采用科学、有效的临床筛查,在早期发现宫颈病变并及时治疗,能够有效避免及减少宫颈癌的发生。针对确诊为宫颈癌的病人,以放疗为主的综合性治疗是最常用的治疗方法,而放疗疗效评估技术对于放疗过程中的剂量调整具有重要的指导意义。临床现有的宫颈癌筛查技术和放疗疗效评估技术存在成本高、设备复杂、技术要求高等局限性,本文通过分析宫颈及病灶的近红外散射光谱,设计了宫颈癌筛查和疗效评估模型。本文的内容主要有以下几个部分:（1）自主设计了用于可见近红外散射光谱采集和分析的系统,包含硬件和软件两个部分,实现了光谱的采集、显示以及建模分析等功能。（2）针对宫颈癌前病变的筛查问题,分别利用支持向量机和BP神经网络算法结合一定的预处理方法实现了较高精度的宫颈癌前病变诊断分类,分类准确率达到90%以上。（3）针对宫颈癌放疗疗效评估问题,本文设计了一种光谱数据预处理、特征选取和模型训练的方法,证明了可见近红外散射光谱结合机器学习的技术具备应用于宫颈癌放疗疗效评估的可行性。本研究中所训练的分类模型用于区分宫颈癌治疗前、放疗过程中和治疗结束的宫颈光谱,分类准确率可达85%以上。综合以上,本文研究了一种具有无创性、实时性且准确率高的宫颈癌前病变诊断以及宫颈癌放疗疗效评估技术,能够根据光谱的特征结合机器学习的方法建立分类模型,实现宫颈癌前病变的筛查和初步的宫颈癌放疗疗效评估,在临床上具有重要的应用价值和前景。