计算机辅助诊断技术已经成为医学影像研究领域的重要研究课题之一。在本文中,我们研究了机器学习在计算机辅助诊断青光眼中的应用,以及深度学习在医学图像分割中的应用。本文所做的研究均是围绕青光眼诊断展开的。本文研究的医学图像主要包括彩色眼底照和光学断层扫描报告。本文首先基于青光眼诊断的先验知识,从医学影像报告中提取能够识别青光眼的量化特征作为先验特征。本文所提取的先验特征包括杯盘比、视神经纤维层厚度的形态和尺度特征等。进而本文基于先验特征设计了集成学习算法,实现青光眼自动诊断。本文从两个角度设计了集成学习算法,第一种是对基于杯盘比、视神经纤维层厚度获得的分类器的预测结果进行集成;第二种是利用度量学习方法在两个视图下学习共享信息,并且使两类样本点在欧几里得空间中尽量分离。最终,在临床数据集上,对本文提出的算法的有效性进行了验证。第一种集成算法采用的分类器为支持向量机和逻辑回归,第二种算法采用的分类器为支持向量机和K近邻算法。以上两种集成算法均在临床数据上取得了良好的预测性能。本文还利用深度学习中的卷积神经网络,自动标识彩色眼底照中的视杯和视盘线。并将自动分割结果与医师手动标注的结果相比较。结果表明,算法自动分割的结果与医师标注的结果具有较高的一致性。