多发性硬化(MS)是中枢神经系统(CNS)的脱髓鞘疾病，发病年龄早，确诊困难，后果严重，受到国内外医疗界的广泛重视。早期MS的诊断主要用实验室生化检查手段。随着核磁共振成像(MRI)的发展，从MRI获得信息也作为临床诊断和研究的．主要途径之一。科研机构和学者们早期只对MS病灶研究，后来通过电镜观察，发现：MS患者部分“正常”髓鞘带亦有明显髓鞘病变，这些“正常”髓鞘保留带也属脱髓病灶范围。患者的“正常”脑白质称为表现正常脑白质(NAWM)，是指常规MRI的T1加权和T2加权图像上除病灶以外的脑白质。如果能够利用图像分析技术深入解析NAWM的。MRI图像，探测脱髓鞘初期微观改变将有助于MS疾病的早期诊断。纹理分析是研究图像微观变化的方法，已经成功地应用于很多医学图像的微观分析中，被称为图像的放大镜和显微镜。 本文对NAWM和正常脑白质(NWM)MRI的T2加权图像进行研究，检测它们的纹理是否存在显著性差异，并建立判别模型对NAWM和NWM进行分类。NWM指健康志愿者的脑白质。本文的研究对象来自首都医科大学宣武医院放射影像科。利用纹理分析方法对表现正常感兴趣区(NAR)和正常感兴趣区(NR)提取参数，从中挑选特征参量，依据它们用模式识别方法对NAR和NR分类。纹理分析方法包括共生矩阵、分形维及频域变换，从不同角度反映NAWM的病变特点。其中共生矩阵包括灰度共生矩阵、灰度．梯度共生矩阵和行程长三种方法。为了使共生矩阵的参数具有平移和旋转不变性，本研究计算了各参量在四个方向的平均值。模式识别采用概率神经网络(PNN)和支持向量机(SVM)，并对两种方法所得结果作比较分析。对比单组和全部特征参量对分类正确率的影响，发现全部特征参量参与分类时的正确率较高，提示全部特征参量更能反映NAWM的微观变化。本文从MRI图像分析的角度探索了NAWM微观结构变化的纹理特征。在本批样本中，NAWM和NWM的纹理存在显著性差异。与PNN相比，基于小样本统计学习理论的SVM识别率稍高，以上结论还需扩大样本量并采用多种方法进一步证实。