肝脏超声显像技术作为对肝脏疾病检查的重要手段,在我国得到了十分普遍的应用。由于受临床医生的视觉疲劳、疏忽以及诊断水平等因素的限制,肝脏疾病的诊断结果却极易受到影响。为了增强肝病诊断结果的客观性,肝病的计算机辅助诊断技术受到了许多专家和学者的关注,该技术具有十分重要的临床实际意义,一方面它能提高诊断结果的准确率,另一方面能够预警肝病存在的可能性,提醒临床医师和病人进行进一步的诊断和检查,降低漏诊和误诊率。本文对肝病计算机辅助诊断识别方法进行了较为深入的研究,本文的研究内容主要有以下三个方面:(1)研究并提出了多特征融合的特征提取算法,针对任意一种单一特征都不能准确地描述肝脏超声图像特征的问题,将多种特征进行了并联合并。研究结果表明,多特征融合的特征提取算法充分兼顾了单一特征的优点,提取到了更具有区分性的特征向量,对肝脏超声图像的纹理特征进行了更加准确的描述。(2)通过字典学习理论,经过反复迭代更新,获得最佳的字典,进而得到最优的编码稀疏矩阵。实验结果表明,经字典学习稀疏表达后的特征比稀疏表达前的特征具有更强的鲁棒性。(3)研究并提出了PSO-ELM分类器算法,在常规的超限学习机(ELM)分类器基础上引入了粒子群优化(PSO)算法,通过PSO算法对ELM分类器的输入权值和隐含层节点阈值进行了优化,构建了PSO-ELM分类器。将优化前后的分类器的分类效果作了分析与比较,实验结果表明,经过PS0算法优化后的ELM分类器的识别能力较常规的ELM和SVM分类器有了进一步提高。