1.一种肠癌腹膜转移预测模型，其特征在于，所述预测模型为：
model＝32.892+1.51*ct_stage+1.884*tumorlocation+20.447*distantmetastaticsites–19.898*thickenedgreateromentum–20.222*pelvicnodules；
其中，ct_stage为t分期；tumorlocation为肿瘤部位；distantmetastaticsites为远处转移部位；thickenedgreateromentum为大网膜增厚；pelvicnodules为盆腔种植结节。
2.权利要求1所述的肠癌腹膜转移预测模型的构建方法，其特征在于，包括如下步骤：
s1、建模变量选择：选择结直肠癌病例150～200例，随机分成训练集和验证集，分别包含腹膜转移组和无腹膜转移组，腹膜转移癌具体ct图像参数包括13项：肿瘤位置、t分期、邻近器官侵犯、n状态、腹膜斑块阴影、肿瘤增强程度、坏死、穿孔、pc转移部位、远处转移部位、腹水、大网膜增厚、盆腔种植结节；
s2、建模变量筛选：在训练组上，首先利用boruta算法在增强ct的腹膜转移特征中，筛选出与腹膜转移因变量相关的变量集，具体为：
(1)创建阴影特征：对每个真实特征r，随机打乱顺序，得到阴影特征矩阵s，拼接到真实特征后面，构成新的特征矩阵n＝[r,s]；
(2)用新的特征矩阵n作为输入训练模型，能够输出特征的权重模型，得到真实特征和阴影特征的权重；
(3)取阴影特征的权重的最大值w，真实特征中权重大于w的，记录一次命中；
(4)用(3)中记录的真实特征累计命中，标记特征重要或不重要，在boruta算法中增加fdr校正，用两步法参数切换两种检验方法；
(5)删除不重要的特征，重复1-4，直到所有特征都被标记；
s3、多变量回归模型的构建：对选出的变量集，应用前向逐步回归，根据aic准则进一步筛选，最后得到肿瘤部位、t分期、远处转移部位、大网膜增厚以及盆腔种植结节这5个变量与腹膜转移密切相关；然后，对筛选出的5个变量，采用logistic回归模型建模即得肠癌腹膜转移预测模型。
3.根据权利要求2所述的构建方法，其特征在于，在建模变量筛选前还包括对对连续变量的处理步骤：癌胚抗原水平以5ng/ml为分界点，小于5ng/ml为低水平，大于5ng/ml为高水平；年龄：以50、70为分界点，将其分为年轻(<50)、中年(50-69)、老年(>70)。
4.根据权利要求2所述的构建方法，其特征在于，步骤s2中，权重模型为randomforest、lightgbm或xgboost。