随着我国人口老龄化的加剧及饮食结构和生活方式的改变,结直肠癌的发病率呈逐年快速上升的趋势,已成为死亡率排在第4位的恶性肿瘤。虽然结直肠癌的分期理论已经趋于成熟,但由于结直肠结构复杂,分期难度依然很大。因此,提高结直肠癌分期准确度已成为结直肠癌诊治中的迫切任务。然而,现有的分期预测模型的数据集采用的是结直肠癌肠镜照片,肠镜检查属于入侵式的检测方法,对检测条件要求比较苛刻,且存在穿透结肠壁的风险。因此,在医学上更倾向于使用无创伤的核磁共振检测方法进行非入侵式检测,但当前基于结直肠癌核磁共振图像的研究主要使用传统机器学习方法,远达不到准确分期预测的标准。本文在医学理论的支撑下,针对以上问题,提出一种基于特征金字塔的结直肠癌分期预测模型。全文的主要内容分为三个部分。第一,对核磁共振图像进行预处理,并设计基于移动最小二乘法的数据增强方法对数据集进行扩充。第二,构建基于特征金字塔的结直肠癌分期预测模型,将预测模型按功能分为三个阶段:在特征提取阶段,先运用VGG、ResNet和GoogLeNet三个特征提取网络提取特征,然后构造特征金字塔网络分别汇集各网络的多尺度特征;在特征融合与选择阶段,设计一个基于深度学习的特征融合网络,将金字塔特征融合为异构特征,运用基于信息增益的特征选择算法提取关键特征;在诊断分类阶段,使用SVM分类器对关键特征分类,并与特征提取阶段的三个特征提取网络进行集成,最终得到结直肠癌分期。第三,对模型的各个阶段预测指标进行比较,设置对比试验,采用5折交叉验证,评估分期预测模型的综合指标。