现代医学影像技术和数据挖掘方式的不断进步促进了影像组学分析的兴起。作为一种新兴的研究工具,影像组学从各种医学影像感兴趣区域中定量提取高通量的影像特征并进行分析,在疾病诊断、治疗决策、疗效及预后评估方面显示了巨大的潜能。尽管已有多项研究证实了影像组学分析在临床中的重要价值,在标准化研究方面仍存在诸多问题和挑战,并进一步影响影像组学模型预测结果的合理性。针对影像组学建模中存在的各种问题和挑战,本文的主要研究内容如下:(1)评估了感兴趣容积分割对影像组学建模的影响。医学影像感兴趣容积通常由专家手动分割,受肿瘤的影像表现和观察者的差异的影响,存在极大的不确定性,影响区域灰度的定量统计。针对该问题,本文基于鼻咽癌和乳腺癌磁共振图像分析任务,对放射专家准确分割的感兴趣容积设置不同尺度的差异处理,并定量评估了可以接受的分割差异范围。结果显示,感兴趣容积的分割差异对影像组学特征值、特征选择和预测性能都有影响,并与具体的疾病和图像序列有关。研究还证实了放射专家沿着肿瘤或病灶平滑地勾画或向外扩展3个像素宽度是可行的,但是勾画前需要预先确定统一的标准。(2)评估了图像去噪对影像组学建模的影响。医学图像中不可避免地存在噪声,模糊和干扰真实信息,对纹理识别具有直接的影响。目前,在影像组学建模预处理阶段如何对图像进行去噪还没有规范的处理流程。针对上述问题,本文基于鼻咽癌和乳腺癌磁共振图像分析任务,在预处理阶段使用了四种应用最广泛的去噪算法,包括小波阈值、非局部均值、K-奇异值分解和三维块匹配滤波算法。结果显示,图像去噪处理影响特征提取的稳定性,并使特征选择的结果存在差异。但是,图像去噪在一定程度上可以提升影像组学模型的预测结果,与具体的疾病数据有关。对于鼻咽癌磁共振图像,小波阈值去噪可以显著提升影像组学模型的预测性能(p<0.05)。(3)研究了多类型特征联合建模对肝癌微血管侵犯的预测价值。微血管侵犯是肝癌术后复发转移的重要因素,术前预测微血管侵犯对于改善肝癌患者的预后状况具有重要的临床价值。考虑到单一指标存在灵敏性和特异性差的问题,无法保证预测的准确性,将临床特征、影像组学特征和深度特征联合建模预测肝癌微血管侵犯。结果表明,临床特征对微血管侵犯的预测价值最高,在独立验证集中AUC为0.833±0.027。深度特征模型相对于影像组学模型对预测微血管侵犯的优势不大,可相互替代。三种特征联合建模预测的AUC为0.846±0.026,高于单个模型。但相比于深度特征或影像组学特征单独与临床特征联合建模,AUC无统计学差异。