肝细胞癌（HCC）是第六大最常见的恶性肿瘤,也是与肿瘤相关的死亡的第四大主要原因。近几年将近80%的HCC患者确诊时已经是中晚期,因此不能够进行切除和消融等治愈性治疗。目前对于不可切除的中期肝癌患者的标准治疗方法——经动脉化疗栓塞（TACE）已被证明可以延长患者2–3年的生存期。然而,临床研究发现TACE治疗对有些患者无效,继而导致肿瘤坏死不完全及肝功能进一步恶化。其原因可能是肝肿瘤异质性导致的,从而产生了差异化的个体反应。因此,在治疗决策之前,术前疗效预测模型将对筛选能受益于TACE治疗的患者而言至关重要。本文回顾性分析了苏大附一院的111例术前做了造影增强CT（CECT）的中晚期肝癌患者数据,根据改进RECIST诊断标准（m RECIST 1.1）将患者数据分为客观反应（OR）组（n=38）和无反应（NR）组（n=73）,使用分层抽样3:7的比例划分训练集和测试集。本文从CECT图像中肿瘤ROI区域分别提取动脉期（AP）和静脉期（VP）的各1597个肿瘤特征,包括形状特征、一阶灰度信息、纹理特征和基于小波变换的特征;利用不同的特征筛选方法（m RMR和WLCX）和不同的分类算法（RF、SVM和LASSO）对动脉期的肿瘤特征进行模型构建,并分析了不同特征筛选方法和分类算法之间对模型性能的影响;接着,采用决策级融合（DLF）和特征级融合（FLF）两种信息融合方法,对提取的两个不同阶段的CECT图像特征进行融合,建立多相位影像组学模型;最后,使用多变量逻辑回归建立一个结合影像特征和临床特征的影像-临床诺莫图。最终的预测性能通过测试数据集上接收算子特征曲线下面积（AUC）来评价。基于动脉期影像特征的模型测试了特征筛选方法对模型性能的影响,结果表明m RMR相比于WLCX具有更好的性能（平均AUC:0.771>0.700）,而不同的分类算法之间并无明显差异,其中使用m RMR与SVM组合的模型AUC达到了0.814;通过DLF和FLF整合的多相位影像组学模型具有更好的预测性能（AUC=0.883和0.844）;最终,结合DLF组学模型、肿瘤大小和肿瘤数目构建的影像-临床诺莫图将AUC提高到0.913。本文的研究结果表明基于CECT影像和临床数据构建的模型能够有效预测TACE手术疗效,为临床医生在治疗方案的制定上提供辅助决策的理论基础。