目前,新辅助放化疗和全直肠系膜切除术被认为是局部晚期直肠癌患者的标准联合治疗方案。这种治疗策略改善了对疾病的局部控制,但并没有显著延长无病生存期。病人在治疗后的3年和5年远端转移率分别为22%和25%,远端转移也是治疗失败的主要原因。对于新辅助放化疗后出现不良反应的高危患者,增加额外的系统治疗能够降低远端转移的风险。因此,有效识别能够影响病人生存和术前危险分层的特征,有助于制定个体化治疗方案,改善局部晚期直肠癌患者的预后。影像组学是一种新兴的方法,利用数据表证算法将影像数据转化为高维可挖掘的特征空间,这些特征能够捕获不同的肿瘤表型差异,并且可能具有预测预后能力。癌变在空间与时间上都是异质的,并且活检对病人的身体负担非常大,这使得基于侵入式活检的分子学检测方法受到限制,基于这种情况,亟需对影像信息进行有效挖掘,这对影像组学是一个重大的机遇也是挑战。影像组学显著的优点在于能够在术前基于影像检查对肿瘤内部的异质性做出评估,量化肿瘤微环境。本文采用影像组学方法,构建预定义的影像组学量化特征库定量描述肿瘤异质性,结合传统的机器学习模型,构建影像组学标签,创建一个科学的、定量的、简单易用的直肠癌预后分析模型,在术前能够对直肠癌病人进行肿瘤预测分析和预后评估。具体的工作内容及研究创新如下:1.本文首先对MR图像进行预处理,使转化后的MR图像具有相似的灰度值范围,并在此基础上对经典的影像组学特征进行扩充,提取包括一阶统计特征,形状大小特征,纹理特征以及小波特征在内的485个影像组学特征,构建直肠癌影像组学的量化特征库。2.传统的基于纹理分析的预后研究仅根据单一的纹理特征来判断两组患者的预后效果是否有差异,对影像数据的挖掘十分简单。本文利用直肠癌影像组学的量化特征库,改用预测效能优于单个模型的堆叠式集成机器学习方法,建立特征与患者生存结局的映射关系,构建具有良好区分性的影像组学标签。使用筛选后的临床风险因子,将会明显改善模型的预测效果。3.一般的模型很难让临床医生理解,本文将生存分析模型简化为根据患者各项指标直接得到终点事件发生的概率值,构建个体化预测诺模图辅助诊断决策。