第一部分增强CT影像组学在浆液性卵巢癌FIGO分期中的临床应用价值目的探究腹盆部增强CT影像组学对浆液性卵巢FIGO分期的术前诊断价值。方法回顾性分析安徽省立医院2018年6月至2019年11月137例卵巢癌患者的术前CT资料,经手术及病理证实为浆液性卵巢癌,其中FIGO分期III期68例,IIIIV期69例。对每一例患者的术前CT图像（包括动脉期及静脉期）进行感兴趣区（Region Of Intrest,ROI）的勾画,本研究中主要采用的画图软件是ITK-Snap软件,画图前将图像调节成相同的窗宽及窗位。利用A.K.软件自动提取影像组学特征,经Mann-Whitney U检验+单因素逻辑回归分析+m RMR（Maximum Relevance Minimum Redundancy,m RMR）剔除冗余特征并保留相关性最高的特征,进一步采用多元逻辑回归分析寻找独立预测因子、建立预测模型,利用ROC（Receiver Operating Characteristic Curve,ROC）曲线评估模型的诊断性能。将动脉期及静脉期数据分成训练集和验证集,比例为7:3,在本研究中所建模型的稳定性主要依靠100次重复交叉验证。结果所建模型的预测效能较好。对于浆液性卵巢癌术前FIGO分期诊断的准确性、特异度及敏感度分别为:动脉期:0.85、0.91、0.80,静脉期:0.88、0.77、0.99。模型的诊断效能主要通过ROC曲线下面积（Area Under the Curve,AUC）来衡量,其中动脉期:0.91（95%CI:0.86-0.96）、静脉期:0.93（95%CI:0.89-0.97）,表明基于影像组学的分期与临床FIGO分期的吻合度较强且诊断价值较高。结论增强CT影像组学对浆液性卵巢癌术前FIGO分期评估具有重要的临床参考价值,可有效指导术前评估,为术中需要参加的多学科外科团队提供重要临床信息。第二部分常规CT影像学特征结合3D纹理分析预测晚期上皮性卵巢癌BRCA突变状态目的评价常规CT影像学特征联合3D纹理分析对晚期上皮型卵巢癌BRCA突变状态的诊断价值。方法95例经手术及病理证实的上皮性卵巢癌（Epithelial Ovarian Cancer,EOC）患者（突变型37例,野生型58例）术前行常规增强CT检查。由两名影像科医生分析多个定性CT影像学特征,然后利用ITK-Snap软件对原发肿瘤病灶进行三维勾画,进而获取3D纹理特征。对CT影像学特征及纹理特征均采用Mann-Whitney U检验+单因素逻辑回归分析+最大相关最小冗余（m RMR）剔除冗余特征的同时保留与两组标签相关性最高的特征,其单独诊断效能由受试者工作特征曲线评估。利用多因素逻辑回归分析筛选独立预测因子、并联合CT影像学特征建立预测模型,其诊断效能由ROC曲线（Receiver Operating Characteristic Curve,ROC）评估。最后通过多元逻辑回归分析获取列线图、对预测模型进行可视化分析。结果常规CT影像学特征中腹膜转移形式、肠系膜受累及膈上肿大淋巴结与BRCA基因突变相关（每种CT征像P＜0.05）,而腹膜转移位置（肝胃韧带）无显著相关性（P＞0.05）。在多元逻辑回归中最终获得6个最佳特征,其中腹膜转移形式作为独立预测因子,且具有最佳诊断效能:ROC曲线下面积（AUC）为0.74,准确性为0.79、特异性为0.90、敏感性为0.62;由具备鉴别意义的CT影像学特征及纹理特征构建的预测模型诊断性能:ROC曲线下面积（AUC）为0.86（95%CI:0.79-0.94）,准确性0.80、特异性0.76、敏感性0.81。多元逻辑回归基础上的列线图表明纹理特征对于BRCA突变状态有预测价值,且优于单独的CT影像学特征。结论常规CT影像学特征与上皮性卵巢癌患者BRCA突变状态相关,整合常规CT影像特征和纹理特征的预测模型能够更好的预测上皮性卵巢癌BRCA突变状态,进而说明纹理特征对于BRCA突变状态的也有非常重要的预测价值,且二者联合使得上皮性卵巢癌BRCA突变状态的预测价值利益值最大化。