胃癌在全球恶性肿瘤死亡率中排名第二。淋巴结转移是影响胃癌预后的重要独立因素,内外科治疗前需要尽可能准确的了解淋巴结情况,以确定治疗方案和评价预后。当前,淋巴结主要采用影像学的手段检测,并且从中提取多个诊断特征。然后利用一些特征提取方法提取出有效诊断特征后,对淋巴结转移实现诊断。基于此,该问题可以分解为两个子问题:(1)淋巴结检测;(2)淋巴结转移诊断。本论文在国家自然科学基金、教育部博士点基金、北京市重点基金等项目的联合资助下,通过综合利用解剖学,胃癌影像学,人工智能,模式识别,图像处理,机器学习和进化计算等领域的知识,深入研究了上述问题,并且提出了相应的解决方案。所取得的创新性成果有:(1)当前主要依靠影像学的手段实现淋巴结的检测。根据临床经验,胃癌的淋巴结位于胃部周围的脂肪组织内。如果能够有效地提取脂肪组织,将极大地降低淋巴结检测的难度。由于胃部图像的结构和纹理较为复杂,自动提取面临很大的挑战。而人工提取费时费力,导致放射师工作效率低下。相比之下,半自动方法,也就是交互式分割的方法能够避免上述两种方法的缺点。为了进一步提高放射师的工作效率,提出了一种基于目标信息的交互式分割算法用于脂肪组织的提取。与传统方法的区别是:该方法只需要在目标区域输入交互式信息,脂肪组织就能提取出来。与此同时,还将以上算法拓展到三维图像,提出了基于目标信息的交互式三维分割算法。该方法只需要在一幅或者多幅图像输入目标的交互式信息,就可以提取出CT图像中所有帧的脂肪组织。实验表明所提算法能够有效地提取脂肪组织,并且满足淋巴结检测的需要。(2)在提取脂肪组织之后,将检测淋巴结。根据临床经验,提出了一种分层模型用于淋巴结的检测。该模型包括四层:原始图像层,脂肪组织层,疑似淋巴结层以及淋巴结层。在输入原始图像后,首先提取脂肪组织。由于脂肪组织中有一些脏器和淋巴结非常类似,因此首先检测出疑似淋巴结,然后利用一些特有的特征检测淋巴结。其中,脂肪组织层利用(1)中所述算法提取。对疑似淋巴结层,提出了一种稀疏动态集成选择算法用于疑似淋巴结的提取。对淋巴结层,提出了一种基于证据推理的淋巴结检测方法。实验表明,所提模型以及两种算法能够有效地检测淋巴结。(3)在检测到淋巴结之后,将提取多个特征用于诊断淋巴结转移。如果采用较少特征依然能够取得好的诊断结果,将极大的提高医生的工作效率。与此同时,在当前的研究中,医学界对哪些特征对诊断淋巴结转移有效还未给出定论。为了解决这一问题,提出了一种新的基于相关性克隆选择算法用于诊断特征的选择。该方法将诊断特征选择视为一个组合优化问题,然后利用所提算法通过优化该问题实现特征选择。相对于其他算法,本算法不仅能有效的选择出诊断特征,还能在保证诊断性能的前提下,选择更少的诊断特征。通过对实验结果的分析,所提取的诊断特征不仅具有临床价值,而且对诊断淋巴结转移具有较强的指导意义。(4)在提取出有效的诊断特征后,将诊断淋巴结转移。通过对相关文献的调研,当前主要通过两种方式诊断淋巴结转移:一种是只利用淋巴结特征;另一种是综合利用肿瘤和淋巴结特征。由于目前医学上对其尚没有定论,因而将从这两个方面对淋巴结转移诊断展开研究。对只采用淋巴结特征的情况,基于置信规则库的方法,提出了一种新的双层置信规则库模型用于淋巴结转移诊断。该模型由两个置信规则库组成。与此同时,为了提高所提模型的性能,提出了一种新的克隆选择优化算法训练所提模型。实验研究表明所提模型能够有效地实现淋巴结转移的诊断,所提优化算法能够显著提高诊断性能。对同时利用淋巴结特征和肿瘤特征的情况,提出了一种新的协同置信规则库模型。该模型由两个独立的置信规则库系统组成,一个用于建模肿瘤特征,另一个用于建模淋巴结特征。最终的诊断结果通过证据推理融合两个模型的输出。与此同时,为了进一步提高所提模型的性能,提出了一种新的协同进化优化算法用于训练所提模型。实验结果表明该模型能够有效地实现淋巴结转移诊断,所提优化算法能够显著提高诊断性能。