结直肠癌是世界第三大恶性肿瘤,其死亡率在所有恶性肿瘤疾病中高居第二,已严重威胁到人们的生命安全。目前,先开展新辅助放化疗方法,再进行手术切除肿瘤组织是结直肠癌推荐治疗方法之一。然而,由于患者身体状况不同,化疗将会给不同的患者带来不同的疗效。为了保证后续切除手术的顺利进行,手术前通过医学影像分析化疗效果是非常有必要的。肿瘤组织分割是整个分析工作的基础,其在临床实践中主要依靠医师手动完成。然而,医师手动标注过程耗时长,标注结果受医师主观影响大,不利于后续研究的快速开展。此外,靶向药物治疗作为另一种十分有效的治疗方案拥有精准治疗、危害性小、方便等优点。但KRAS（Kirsten Ras）基因突变通常会引起患者对靶向药物产生抗药性。因此,在采用靶向药物治疗之前通常要对患者进行KRAS基因突变情况进行检测。临床上主要依赖活检或术后样本采集等技术手段来完成结直肠癌KRAS基因突变情况的检测。但此类有创性方法通常存在局部采样、结果不稳定等缺陷。针对以上两大问题,本研究分别提出了一种基于分类的多尺度注意力模型用于结直肠癌病灶的分割和多任务双流注意力模型用于结直肠癌KRAS基因突变检测。（1）基于分类的多尺度注意力模型用于结直肠癌病灶分割的研究临床上结直肠癌病灶分割主要由经验丰富的医师手动完成,但这一过程既费时又费力,且标注工作通常需要多名医师同时完成。鉴于深度学习技术在医学图像分割领域的突出表现,本文在第三章提出一种基于分类的多尺度注意力模型在结直肠癌患者的盆腔核磁共振图像上进行病灶分割。该模型的主要思想为分类促进分割,旨在通过分类任务来引导模型分割任务性能的提升。此外,本研究还引入两个多尺度注意力模块来强化模型对病灶多尺度上下文信息的捕获,以此来提高模型对病灶边缘的处理能力。分割任务与分类任务以硬共享机制的方式共享编码器,可有效降低单次参与训练的参数量,从而避免过拟合现象的出现。我们利用合作医院提供的私有数据集对模型进行了验证,模型十五折平均Dice系数可达91.70%。（2）多任务双流注意力模型用于结直肠癌KRAS突变检测的研究深度模型能够更好地挖掘图像的深度特征,是用来分析基因表征的一种十分有效的工具。本研究第四章提出了一种多任务双流注意力模型用于结直肠癌患者KRAS基因突变检测。模型通过两个平行的分支来分别完成病灶的分割与基因突变情况的检测。在两个分支间,我们提出层间损失函数来约束两个分支的参数相互学习,相互促进,以此来提高模型性能。此外,我们引入了两个基于指导信息的注意力模块来进一步提高模型对病灶区域的关注度,以此来提升模型基因突变识别任务的性能。对比实验结果证明了本研究提出模型的性能优于现有其他检测模型的性能,消融实验结果证明了本文提出的注意力模块的有效性。在合作医院提供的数据集上对模型进行验证,模型基因突变识别的精确度可达89.95%,敏感性为82.29%,特异性为90.53%。