近些年来,越来越多的人们受到肿瘤疾病的困扰,肿瘤的治疗也是长久以来医学上的一大难题。当肿瘤细胞在人体组织中出现后,免疫细胞会受到刺激并开始对肿瘤细胞进行抑制或清除,此时,肿瘤细胞与免疫细胞相互之间不断竞争、作用。因此,研究肿瘤-免疫模型,探索肿瘤细胞的变化规律对预防和治疗肿瘤疾病有着一定的理论和实际意义。本文基于动力学理论,分别从确定性和随机性两个角度对一类两阶段的三维肿瘤-免疫模型进行了分析,具体内容如下:首先,研究了确定性的两阶段肿瘤-免疫模型。求解得到了两个平衡点,利用Routh-Hurwitz判据对平衡点进行了稳定性分析并进行了数值验证。发现无论初始状态如何,经过长时间的演变之后,肿瘤细胞与免疫细胞的数量最终都会稳定到同一平衡态,此时模型中的肿瘤细胞被完全清除。但当免疫细胞对肿瘤细胞的杀伤率c较小时,肿瘤细胞无法被完全清除,肿瘤细胞与免疫细胞之间呈现周期性竞争关系。其次,讨论了高斯白噪声作用下的肿瘤-免疫随机模型。鉴于细胞生长与发育过程会受到微环境等随机因素的影响,将高斯白噪声引入到确定性模型中。将随机模型在两个平衡点处线性化后得到了Fokker-Planck方程,求解了统计矩、Fano因子和敏感性系数等统计量并进行了数值模拟。结果显示,肿瘤细胞的一阶矩更易受噪声影响,当模型中没有肿瘤细胞并处于稳定状态时,成熟免疫细胞的二阶矩受噪声影响波动更大。米氏饱和项系数a和杀伤率c会给肿瘤细胞的数量带来较大的波动。最后,分析了高斯色噪声作用下的肿瘤-免疫随机模型。考虑到该随机模型是一个非马尔可夫过程,利用统一色噪声近似方法将高斯色噪声作用下的肿瘤-免疫模型转化为具有马尔可夫性的随机微分方程组,得到了近似的Fokker-Planck方程。基于该方程,进一步讨论了一、二阶统计矩,并详细分析模型参数和色噪声自相关时间对统计矩的影响。结果表明,当模型中存在肿瘤细胞且稳定时,色噪声的自相关时间越大,一阶矩就越快趋于稳定。另外,肿瘤细胞比免疫细胞更易受到色噪声的自相关时间影响。