针对肿瘤的医学影像分类在医学疾病诊断和治疗中扮演着重要的角色。随着物理、电子工程以及计算机科学技术的发展,医学影像在成像方面取得了长足的发展,影像获取速度越来越快,图像分辨率越来越高,影像的模态越来越丰富。然而在影像的解读方面,主要还是依赖于影像医生。一方面,影像数量以及质量的提高大大加重了他们的负担;另一方面,其对影像的解读主要依赖于肉眼可观察到的定性的影像特征,不可避免的受到个人经验等主观因素的影响。因此如何获取以及利用定量的影像特征实现对医学肿瘤影像的精准分类一直以来是人们研究的重点。本文主要基于临床需求而展开,围绕不同医学影像的物理本质以及特征提取方式探讨了医学肿瘤影像的分类算法及其在肝癌上的应用,本文创新点有:1)自主设计了一个医学影像3D分类网络MviNet;2)将该网络应用于肝癌微血管侵犯的分类任务中,测试集上准确率、敏感性、特异性均高于0.7,尤其在敏感性这一指标上,获得了 2倍于文献中的性能提高;3)首次提出了肝癌多期相间变化率特征,应用于肝癌多期相分类问题上,分类效果优于已有指标。具体研究内容及结果如下:1、提出了一种医学肿瘤影像分类框架并进行验证。该框架主要结合医学影像(包括影像模态、各模态基本物理本质以及对应各模态的各种成像技术)、定量影像特征和分析方法的特点进行构建。在分析方法之外,表明了医学影像物理本质在医学分类问题中的重要作用。具体地,在宫颈癌区分宫颈肿瘤组织及瘤周正常组织这一分类问题上,选取表观扩散系数图作为研究该问题的影像模态,仅用单一特征进行统计分析就能得到很好的分类效能,所有提取特征的受试者操作特征曲线下面积均超过0.85。而在肝癌的微血管侵犯分类问题上,磁共振动态增强影像动脉早、中、晚期及肝胆期的单一特征均无法进行有效区分,受试者操作特征曲线下面积均未达到0.7。表明对于特定的医学分类问题,找到反应其物理本质差异的合适的影像,可大大降低分类的难度及复杂度,验证了该框架中明确影像及所研究问题的物理本质的重要性。2、提出了融合医学影像多期相多特征的分类方法。提取肝癌普美显动态增强磁共振影像动脉早、中、晚期及肝胆期肿瘤的全容积形态学以及纹理特征,并创新性地提出了上述四期相两两期相间特征的变化率特征组,分别建立模型,实现肝癌微血管侵犯的分类研究。结果表明,基于变化率特征组的模型分类效果最好,测试集上受试者操作特征曲线下面积及分类准确率均高于0.7,由于文献报道结果。3、提出了肝癌微血管侵犯3D分类网络。为了进一步提升肝癌微血管侵犯的分类效能,本文基于数据驱动的思路分别在普美显动态增强磁共振影像的动脉早期、中期、晚期以及肝胆期进行了如下两项研究:1)基于ImageNet预训练的DenseNet-121的迁移学习,2)基于自主设计肝癌微血管侵犯3D网络的训练。其中第二个网络是在DenseNet基础上,基于医学图像的特性,分别在网络的维度、网络的结构以及网络的特征类型三个方面进行改进而获得的。在网络的维度上,基于肿瘤是三维结构的事实,网络设计成三维;在网络的结构上:首先针对医学影像单通道的特征,网络的输入设计为单通道;其次网络不同层的特征图间建立直接连接,提高特征的利用率,避免梯度消失;最后在网络特征图与全连接层间添加1×1×1的卷积层,以进一步减少待学习参数的数量,避免过拟合;在网络特征类型上,卷积网络学习到的特征往往是纹理特征,考虑到形态特征对于区分肝癌的微血管侵犯也有一定的益处,因此在原有网络结构的基础上,创新性地添加了形态特征输入,以实现端到端的分类网络。结果表明,基于肝胆期数据训练而得的自主设计的3D网络具有更好的分类效能。测试集的准确率、敏感性和特异性均高于70%,进一步提高了分类性能,尤其在敏感性指标上,获得了 2倍于文献中的性能提升。