最常见的胰腺囊性肿瘤是浆液性胰腺囊性肿瘤和黏液性胰腺囊性肿瘤。前者多为良性肿瘤,而后者多是恶性肿瘤。两者在临床上具有较高的相似性,医生根据医学影像仅靠经验进行诊断的准确率不高;虽然还可以通过穿刺技术进行诊断,但通常会造成损伤,严重的情况下会导致并发症。因此,通过计算机对胰腺囊性肿瘤CT图像进行辅助诊断,具有很大的临床意义。本文在影像组学分析的框架下,提出了一种基于不相似度的多类别影像组学特征融合的肿瘤图像分类方法。首先对胰腺囊性肿瘤图像的多类别的影像组学特征进行提取,接着构成用于多类别影像组学特征融合的联合不相似度特征矩阵,最后再依据联合不相似度特征矩阵进行分类,该方法提高了胰腺囊性肿瘤CT图像分类结果的准确率。同时,本文还进行了多类别影像组学特征去冗余融合的方法研究,在减少了特征冗余度的同时提高了胰腺囊性肿瘤CT图像分类结果的准确率。本文的主要工作和成果如下:1.根据影像组学流程中的ROI区域及特征获取原则,通过手动分割获取胰腺囊性肿瘤的ROI区域,并对获取的ROI区域定义和提取影像组学特征,为后续的基于影像组学特征融合和图像分类提供数据。2.为了融合不同类型的影像组学特征以提高分类的有效性,提出了一种基于不相似度的多类别特征融合方法并应用于胰腺囊性肿瘤图像分类。该方法首先对灰度、几何和纹理等三个类别的195个影像组学特征进行提取,接着采用随机森林算法构建每个类别内的不同特征之间的不相似度矩阵;而后对不同类别特征的不相似度矩阵进行取平均构成不同类别特征的联合不相似度矩阵,再将其输入分类器中得到最终的分类结果。将此方法用于胰腺囊性肿瘤CT图像数据集的分类,分类准确率达86.23%,实验结果表明该方法有效地提高了胰腺囊性肿瘤CT图像分类结果的准确率。3.针对影像组学特征普遍存在的高度冗余度问题,提出了一种基于多类别影像组学特征的去冗余融合算法,并将融合后的特征用于对胰腺囊性肿瘤图像的分类。本文提出的方法先对各个特征进行初步的分类测试,从影像组学特征中选取能提高分类准确性的特征,将这些多类别的影像组学特征进行串联形成新的特征向量,输入分类器中得到分类结果。本文使用了相关系数法、卡方检验、互信息、主成分分析、线性判断分析的特征选择方法对本文提取的影像组学特征进行多类别特征融合,其次使用分类器进行探究不同维度的多类别特征数量对胰腺囊性肿瘤CT图像的分类。实验结果表明,提取到的195个影像组学特征的确存在着冗余信息,降低到32维度的多类别胰腺囊性肿瘤特征数量分类结果的准确率最高,为84.7%。胰腺囊性肿瘤多类别特征选择融合提高了胰腺囊性肿瘤CT图像分类结果的准确率。