在全球女性癌症患者中,乳腺癌所占的比例最高,对应的患者群也逐渐趋于年轻化,因此对乳腺癌的精准诊疗十分关键。在临床治疗中,新辅助化疗已被广泛使用,有研究表明,进行新辅助化疗后取得较好化疗反应的患者,尤其是达到了病理完全缓解的患者,后期存活率将大大提升。但是不同患者之间存在个体化差异,部分乳腺癌患者在进行新辅助化疗后无法取得理想的化疗效果,甚至在化疗期间病情发生了进展。为尽可能把握最佳治疗时机,同时减少化疗无效患者的痛苦,对新辅助化疗疗效进行早期预测十分重要。目前,有许多研究表明可以依据乳腺DCE-MRI对新辅助化疗反应进行评估,它作为一种非侵入式检查,已经在乳腺癌的临床诊疗中被广泛使用。但在临床诊断中,仅凭借施诊医师主观经验进行影像分析,不能对乳腺癌病理信息作出全面准确评估;而通过大数据与医学影像融合后产生的影像组学方法,则能有效提升诊疗准确性。本文基于乳腺癌患者化疗前和化疗早期DCE-MRI影像,对患者新辅助化疗后反应进行了预测研究。回顾收集114例进行了乳腺癌新辅助化疗的患者影像,按照Miller&Payne（MP）分级系统将数据集划分为两组,分别为化疗无反应组和化疗有反应组。对患者化疗前和化疗早期DCE-MRI影像中的病灶区域进行分割,并提取对应的形态特征、统计特征和纹理特征。目前,虽然已经有研究通过影像组学方法和DCE-MRI影像对新辅助化疗疗效进行预测,但该类研究在进行预测时,没有将化疗前和化疗早期影像分开进行讨论研究。而本文不仅分别基于化疗前、化疗早期影像特征对疗效进行了预测,还联合两次影像进行纵向时间分析,通过配准的方式对化疗后肿瘤影像进行定量分析,以进一步提升疗效预测准确性。在化疗前和化疗早期影像疗效预测研究过程中,首先对两次影像提取得到的每一维特征都进行了单变量预测分析;然后充分利用特征之间的互补信息,对形态特征、统计特征、纹理特征以及全部特征分别进行了多变量预测分析;最后根据化疗前、化疗早期的各类特征的预测结果,对两者在疗效预测中的预测性能进行综合评估比较。实验过程中,预测分析在留一法交叉验证方法下进行,使用SVM-RFE算法寻找最优特征子集,构建基于支持向量机的预测模型;然后通过绘制预测结果的ROC曲线,计算对应的曲线下面积（AUC）以及敏感性、特异性、F1值等指标,对预测模型进行综合评估。实验结果表明,化疗早期影像较化疗前影像具有更好的预测性能。在基于纵向时间影像分析的化疗疗效预测研究中,不仅对化疗前后两次DCE-MRI影像进行了纵向时间分析,而且对提取得到的特征也进行了纵向时间分析。其中影像纵向时间分析的关键在于化疗前后影像的配准,但两次影像间隔时间较长,成像时影响因素较多,需要使用形变配准方法,通过计算形变率等方式进行影像纵向时间分析。而特征纵向时间分析过程则相对简单,直接使用化疗前和化疗早期已经提取得到的影像特征,通过对应的计算即可实现。接着使用了相同的模型训练评估方法,对纵向时间分析的结果进行了疗效预测研究。实验结果表明,纵向时间分析结果与化疗疗效存在一定的关联,并且在预测化疗疗效时取得了较好的预测结果。在对化疗前影像、化疗早期影像、影像纵向时间分析和特征纵向时间分析研究内容进行融合时,从两方面进行了研究,分别为基于特征层面的融合和基于决策层面的融合;然后使用同样的模型评估方法,对融合前后的预测模型进行了比较。实验结果表明,融合后的预测模型在对测试集进行预测时取得了更好的预测结果,相比于融合前的各个预测模型具有更好的泛化能力。研究表明,化疗前和化疗早期DCE-MRI影像与新辅助化疗疗效存在一定的关联,通过影像组学和纵向时间分析等构建的预测模型,能够较为准确预测化疗疗效,可为乳腺癌患者的治疗提供一定的指导价值。