结直肠癌是全球死亡率最高的癌症之一,病理图像作为诊断结直肠癌的金标准,在结直肠癌诊断治疗中起到举足轻重的作用。而目前我国基于病理图像的诊断主要依赖病理科医生的主观判断,不仅需要耗费大量的时间,误诊事件也时有发生。为了减轻医生病理诊断的负担,减少结直肠癌患者的误诊率,使用计算机辅助病理诊断势在必行。然而病理图像存在总像素量巨大,组织种类多等特点,无法简单直接放入计算机分析。在以往方法中,需要医生对病理图像组织进行划分,如勾画肿瘤区域,并仅使用一张该区域图像小块进行患者预后预测,该方法既耗费医生时间,同时仅用一张肿瘤区域图像小块无法代表患者生存预后情况。为了在无需医生参与的情况下获得有对预测结果有判别意义的图像小块参与训练,本文提出一个基于无监督组织分类并结合注意力机制添加权重分析结直肠癌患者生存风险的模型,实现方法如下:（1）为模拟医生对图像进行组织划分的行为,本文首先对病理图像进行无监督组织分类,使用VGG16网络提取组织图像小块深度特征,通过主成分分析方法（PCA）对深度特征进行降维并去除冗余获得最具代表性的特征,将其用于无监督K-means聚类,获得不带标签的病理组织类别,结果显示接近医生对于肿瘤上皮、肿瘤间质、淋巴间质、肌肉部分和正常组织的分类;（2）针对无监督组织分类无标签的问题,本文使用基于孪生网络通道的注意力机制模块对其进行分析处理,不同类别图像共同经过多通道的注意力孪生网络预测患者生存风险,孪生网络部分通过共享网络参数能有效降低网络参数量,而注意力机制解决了无监督组织分类不带标签的问题,让网络能自动识别对结果有判别性的组织类别,并赋予更大的权重。实验证实,上述网络能在无标签的情况下自动将临床医生所关注的肿瘤区域赋予更高的权重。本文在广东省人民医院结直肠癌患者病理数据上,将上述方法与当前先进的病理分析方法及临床广泛使用的分析方法进行对比。同时,对模型进行消融学习,测试每个模块对本网络性能的提升作用。对比试验表明,本网络相比同类生存分析方法及临床公认方法在病理预后预测上都取得了更高的准确度,并且本研究所设计注意力模块可视化热图清晰地表现了网络对不同组织的关注度高低,使得网络更具可解释性,为医生更准确地对病人进行诊断和治疗提供了新的参考手段。