第一部分 CT语义学特征评估Ⅰ期肺腺癌增殖活性的研究目的:肺腺癌患者在根治性切除术后仍有较高的复发风险,识别预后不良的肺腺癌患者对优化治疗策略具有重要意义。Ki-67标记指数（labeling index,LI）能反映肿瘤细胞增殖活性,是肺腺癌的重要预后因素。本研究旨在探讨Ⅰ期肺腺癌的临床病理学特征和CT语义学特征与Ki-67 LI的关系。方法:回顾性纳入182例经手术病理证实的Ⅰ期肺腺癌患者。通过免疫组织化学方法检测Ki-67 LI。将患者划分为Ki-67低表达（Ki-67 LI＜10%）和高表达（Ki-67 LI≥10%）。两位放射科医师回顾患者术前CT图像,独立评估CT语义学特征。采用单因素分析和多因素逻辑回归分析探究Ⅰ期肺腺癌的临床病理学特征和CT语义学特征与Ki-67表达的关系。结果:患者中共73例（40.1%）为Ki-67低表达,109例（59.9%）为Ki-67高表达。Ki-67高表达在男性、有吸烟史、更高吸烟指数、CEA＞5 ug/L、CYFRA 21-1＞3.3 ug/L、肿瘤标志物指数＞1、低分化、ⅠB期患者中更常见;Ki-67高表达患者的肿瘤长轴直径和短轴直径更大、肿瘤阴影消失率更低、多为实性结节,多表现为分叶数目≥3、毛刺征、空泡征、血管侵犯、血管集束、支气管血管束增厚、胸膜附着和周围纤维化（均P＜0.05）。实体为主的肺腺癌Ki-67 LI最高,其次是微乳头状、乳头状和腺泡样为主的肺腺癌,贴壁生长为主的肺腺癌Ki-67 LI最低（P＜0.001）。肿瘤阴影消失率与Ki-67 LI呈负相关（r=-0.601,P＜0.001）。多因素逻辑回归分析显示,男性、低分化、更低肿瘤阴影消失率和实性结节与Ki-67高表达独立相关。结论:Ki-67LI在肺腺癌不同组织学亚型和组织学级别中有明显差异。性别、组织学级别、肿瘤阴影消失率和肿瘤密度类型是与Ⅰ期肺腺癌患者Ki-67表达独立相关的因素。第二部分 基于深度学习模型预测肺腺癌淋巴结转移的研究目的:准确预测淋巴结转移在肺腺癌患者的个体化治疗方案制定中至关重要。本研究旨在构建并验证预测肺腺癌淋巴结转移的深度学习标签。方法:回顾性纳入612例经手术病理证实的肺腺癌患者,随机划分为训练集（n=489）和内部验证集（n=123）,另外纳入108例肺腺癌患者构成独立测试集（n=108）。收集患者的临床病理学资料,评估CT语义学特征。使用Swin Transformer网络结构构建预测肺腺癌淋巴结转移的深度学习标签。从患者术前增强CT图像中提取影像组学特征,排除不稳定特征及与淋巴结转移无关的特征后,采用多因素逻辑回归分析筛选剩余的影像组学特征,构建预测淋巴结转移的影像组学标签。采用多因素逻辑回归分析,构建基于临床特征和CT语义学特征的临床语义学模型。采用受试者工作曲线下面积（areaunderthereceiveroperatingcharacteristiccurve,AUC）、校准曲线和决策曲线分析评估模型的预测效能。采用DeLong检验比较不同模型的AUC。结果:深度学习标签在训练集（0.961 vs 0.823,P＜0.001）、内部验证集（0.948 vs 0.781,P＜0.001）和独立测试集（0.960 vs 0.853,P=0.002）中的AUC均显著高于临床语义学模型。同样地,深度学习标签在训练集（0.961 vs 0.884,P＜0.001）、内部验证集（0.948vs0.863,P=0.019）和独立测试集（0.960vs0.886,P=0.029）中的 AUC均显著高于影像组学标签。校准曲线显示,三个数据集中深度学习标签的预测概率与实际观测概率均具有良好的一致性。根据决策曲线分析,深度学习标签预测淋巴结转移获得的净收益高于临床语义学模型和影像组学标签。三个数据集中,深度学习标签和影像组学标签相较于临床语义学模型在预测淋巴结转移中具有增量价值。结论:使用Swin Transformer构建的深度学习标签在预测肺腺癌淋巴结转移中具有良好效能,可为肺腺癌的无创性纵隔淋巴结分期提供重要的参考信息,辅助医师为患者制定精准的、个体化的治疗策略。第三部分 基于临床影像组学列线图预测早期肺腺癌预后及辅助化疗疗效的研究目的:构建临床影像组学列线图以预测淋巴结阴性早期（Ⅰ～Ⅱ期）肺腺癌的无病生存期,并探究临床影像组学列线图预测辅助化疗疗效的价值。方法:回顾性纳入310例经手术病理证实的淋巴结阴性早期肺腺癌患者,将患者划分为训练集（n=186）和验证集（n=124）。从患者术前增强CT图像中提取影像组学特征。初步排除不稳定和冗余特征后,采用最小绝对收缩和选择算子-Cox回归分析,对剩余影像组学特征进一步筛选,建立预测无病生存期的影像组学标签。采用单因素和多因素Cox回归分析确定与无病生存期独立相关的临床风险预测因素,构建临床列线图。将影像组学标签和临床风险预测因素联合构建临床影像组学列线图。基于临床影像组列线图的风险评分,将患者分为高风险评分亚组和低风险评分亚组,评估不同风险评分亚组患者的辅助化疗疗效。采用一致性指数（Harrell consistency index,C-index）、综合判别改善指数、净重新分类指数、校准曲线、决策曲线分析评估模型预测效能。采用Kaplan-Meier曲线和Log-rank检验比较不同亚组患者的生存差异。结果:肿瘤直径和组织学级别用于构建临床列线图,肿瘤直径、组织学级别和影像组学标签用于构建临床影像组学列线图。训练集和验证集中临床影像组学列线图预测无病生存期的C-index分别为0.822（95%置信区间:0.769～0.876）和0.802（95%置信区间:0.716～0.888）。综合判别改善指数和净重新分类指数表明,相较于临床列线图,纳入影像组学标签的临床影像组学列线图的预测效能明显升高。校准曲线和决策曲线分析证明临床影像组学列线图具有良好的校准度和临床实用性。高风险评分亚组患者可从辅助化疗中获益（风险比:0.489,95%置信区间:0.262～0.911,P=0.024）,但辅助化疗对低风险评分亚组患者的生存无明显益处（风险比:0.324,95%置信区间:0.042～2.510,P=0.281）。结论:临床影像组学列线图可准确预测淋巴结阴性早期肺腺癌患者的预后,且具有识别辅助化疗潜在受益者的潜力,有望成为辅助医师制定治疗决策的有效工具。