前列腺癌是前列腺的恶性病变,多发于男性泌尿系统。早期前列腺癌患者的5年相对生存率为100%,但晚期前列腺癌患者的5年相对生存率仅为29.3%。在常规前列腺癌诊断过程中,能否精确识别和诊断前列腺肿瘤良恶性至关重要。前列腺癌患者在接受根治性前列腺切除术之后,通常会进行切缘阳性检测。切缘阳性是生化复发的独立预测因子。因此,在术前进行切缘阳性的预测同样至关重要。多参数磁共振成像（MP-MRI）包括多种结构和分子成像序列,已成为早期、无创诊断前列腺癌的首选方法。目前,临床应用磁共振对前列腺肿瘤的诊断和手术疗效预测尚无统一标准,依据的是临床经验,具有主观性,且可重复性低,临床影像亟需一种客观的自动诊断和疗效预测的方法。随着人工智能技术在医学领域广泛应用,智能影像计算辅助诊断已经成为研究热点。尽管智能影像计算具有众多优势并取得了一定的发展,但在模型构建的标准化和泛化性,以及临床应用等方面需要进一步完善。本文针对上述问题,开展了基于智能影像计算的前列腺癌诊断及疗效预测研究。首先对MP-MRI进行预处理。对459例患者进行感兴趣区域（ROI）的勾画,为后续的分类工作提供肿瘤区域的定位。并对图像进行配准和重采样,使T2加权成像（T2WI）和弥散加权成像的表观弥散系数图像（ADC）具有相同的像素间隔和大小。其次,使用基于高维定量化特征的影像组学方法进行前列腺肿瘤诊断和疗效预测。该部分首先对ROI进行影像特征的提取,包括形状特征,一阶统计特征,纹理特征和小波特征。然后使用两种特征筛选算法（最大相关-最小冗余算法和Wilcoxon秩和检验算法）进行特征筛选减少冗余特征。使用三种分类器（最小绝对收索算子、随机森林、支持向量机）实现分类任务。最后,构建基于多模态和临床特征的模型进行分类工作。采用多元逻辑回归算法将基于T2加权成像和ADC图像的最优单参数影像组学模型融合,构建多参数影像组学模型来提升分类能力。为了更好的拓展智能影像计算的临床应用,将影像特征与临床特征融合构建综合诊断模型。在前列腺肿瘤诊断实验中,基于最大相关-最小冗余算法和最小绝对收索算子分类器的单参数影像组学模型构建方法拥有较好的表现,分类的接收者操作特征曲线下面积（AUC）最高为0.822,综合诊断模型的AUC最高为0.935。在疗效预测实验中,基于最大相关-最小冗余算法和最小绝对收索算子分类器的模型构建方法拥有较好的表现,分类的AUC最高为0.774,综合诊断模型分类的AUC最高为0.836。经实验证明,所建立的综合诊断模型在前列腺肿瘤诊断和疗效预测中是准确的、具有泛化性的。