第一部分基于碘图的双能CT影像组学模型判断局部进展期胃癌新辅助化疗后浆膜侵犯的临床研究目的:探讨基于碘图（Iodine Map,IM）的双能量CT影像组学模型在新辅助化疗（Neoadjuvant chemotherapy,NAC）后局部进展期胃癌（Locally advanced gastric cancer,LAGC）浆膜浸润术前再分期中相对基于120k V等效混合图像（120k Vp）的模型有无更高的诊断价值。方法:对155例（训练组110例,试验组45例）术前经过标准NAC治疗的LAGC患者进行回顾性研究。所有CT图像由两名放射科医生分析,以进行手动分类。半自动勾画感兴趣区体积（VOI）,在IM和120k Vp图像上分别从每个病变中提取1226个影像组学特征。采用Spearman相关分析和最小绝对收缩选择算子（Least absolute shrinkage and selection operator,LASSO）过滤不稳定特征和冗余特征,从而筛选出重要特征。通过多因素Logistic回归分析,分别基于120k Vp选择的特征和120k Vp结合IM选择的特征建立了两个预测模型（120k Vp和IM-120k Vp）。然后利用IM-120k Vp的特征和临床T分期（yc T）建立了一个组合模型（Combined Model,Commodel）。对这三种模型和人工分类的性能进行了评估和比较。结果:3种影像组学模型（Commodel:AUC:训练组,0.953,试验组,0.914;IM-120k Vp:AUC:训练组,0.953,试验组,0.879;120k Vp:AUC:训练组,0.940,试验组,0.831）在训练和测试组中均显示出较高的预测准确度和效能。所有模型在试验组的诊断准确率（Commodel:88.9%,IM-120k Vp:84.4%,120k Vp:80.0%）均高于人工分类（68.9%）。Commodel和IM-120k Vp模型在训练（二者均p＜0.001）和测试组中的诊断效能（Commodel p＜0.001,IM-120k Vp模型p=0.034）均优于人工分类。结论:基于双能量CT的影像组学模型在LAGC术前再分期鉴别浆膜侵犯方面表现出令人信服的诊断效能。来自IM的影像组学特征在提高诊断能力方面显示出巨大的潜力。第二部分:双能CT的Delta影像组学对胃癌新辅助化疗反应评估的初步研究目的:本项研究的目的旨在开发和验证基于NAC前后CT图像的最佳影像组学特征,以评估局部晚期胃癌患者的TRG。方法:从2018年4月至2019年12月回顾性招募了103例接受NAC治疗的LAGC患者,并将其随机分为训练队列（n=69）和验证队列（n=34）。在门脉期和延迟期的混合和碘摄取图像分别进行病灶的勾画。从NAC前、NAC后和Delta特征集中提取了4094个影像组学特征。采用Spearman相关和最小绝对收缩选择算子（LASSO）进行稳健分析和降维。用多变量Logistic回归进行TRG评估,并生成最佳影像组学特征。结果:NAC前、NAC后和Delta特征集中分别筛选出了3、5和6个影像组学特征。Delta模型在训练和验证队列中在评估TRG方面都体现出了最佳性能（AUC分别为0.91和0.76）。结论:基于DECT图像的Delta影像组学模型可作为评估TRG的潜在生物标志物。