数字组织病理学全幅图像为计算机化的定量分析提供了新的机遇,越来越多的研究发现基质形态结构和肿瘤微环境中的免疫细胞与癌变细胞的相互作用在多种肿瘤中与病患预后有高度相关性。人类乳突病毒（Human Papilloma Virus,HPV+）口腔癌症是头颈部常见的恶性肿瘤,目前针对于HPV+口腔癌症,没有很好的预后预测工具。本研究利用计算机图像分析和模式识别技术,从高分辨率的数字组织病理学图像中去对口腔肿瘤细胞及其周围组织的形态进行特征建模、特征提取及筛选,进而构建复发风险预测模型等图像定量分析技术。为组织病理学诊断、后续病情预测提供客观、定量依据和新思路,能够为构建计算机辅助口腔癌症病理学预后预测系统提供理论基础,具有一定创新性。具体内容包括:（1）从数字组织病理学全幅图像中定量提取细胞核形态,并利用细胞核形态特征去度量肿瘤微环境与癌变区域相互作用的程度;（2）在苏木精-伊红（Hematoxylin-Eosin,H&E）染色的口腔鳞状细胞癌数字组织病理学图像中提取与肿瘤区域相同的组织形态特征,量化肿瘤微环境中胶原纤维方向的异质性特征以及肿瘤微环境中胶原纤维方向与肿瘤区域的交互性特征;（3）对得到的特征进行特征筛选,利用筛选出来的特征进行分类器训练,建立分类模型,验证特征作为一个独立的预后指标的可行性;（4）利用留一法交叉验证,构建口腔癌症病患预测模型,生成病患标签,利用这些风险预测标签进行生存分析,评估风险模型的性能。本研究发现:肿瘤微环境与癌变区域相互作用分数高的口腔癌症病患相比于相互作用低的病患,有更低的复发风险及更长的生存期（风险比Hazard Ratio,（HR95%CI）=1.76（0.99～3.13）,p=0.0352）;肿瘤微环境中胶原纤维混乱且基质区域与肿瘤区域交互性高的病患相比于胶原纤维一致且基质区域与肿瘤区域交互性低的病患,有更低的风险及更高的生存期（HR（95%CI）=3.64（1.85～7.18）,p=0.018）。在单变量及多变量生存分析中,利用图像定量分析构建的口腔癌症复发风险模型能够显著的区分复发与非复发病患。这一发现揭示了计算机定量度量的肿瘤微环境中的免疫细胞与癌变细胞的相互作用和肿瘤微环境中胶原纤维的方向特征以及基质区域与肿瘤区域的交互性有望能够作为独立的预后指标去指导口腔癌症的病患治疗疗程。