随着计算机技术的快速发展及影像医学在临床诊断中的成功应用,计算机辅助诊断技术日益发展。脑血管瘤在临床上还是通过医生观察血管造影图像进行诊断的,其缺点是准确性和客观性较差。目前,脑血管瘤计算机辅助诊断技术仍处在研究阶段,还没有应用于临床。本文总结了目前广泛应用于临床的计算机辅助诊断系统及主要的技术和方法,并提出了一套脑血管瘤辅助诊断方案,包括脑血管瘤疑似病灶区定位和基于脑血管瘤特征的统计分类。本文首先研究了脑血管瘤及DSA成像原理等基础知识,分析了医生诊断脑血管瘤的过程及方法。在此基础上,本文提出基于骨架特征的疑似病灶区定位方法,该方法可以定位疑似病灶区的位置,提供给医生DSA影像中重要的细节,其意义在于避免医生由于自身原因忽略影像细节,从而辅助医生进行脑血管瘤诊断。同时,分析了DSA脑血管图像的特征并且结合方向记忆,对脑血管图像进行快速边界跟踪,获得脑血管的边界几何形状信息,提取了脑血管瘤的形状特征。其次,本文提出了基于统计分类算法的脑血管瘤识别方法,该方法使用RBF神经网络、SVM支持向量机算法和贝叶斯算法对脑血管瘤的形状特征进行分类,并且分析比较了三种分类算法的结果。该方法提供给医生脑血管瘤辅助诊断信息,达到了辅助诊断的目的。最后,对毕业课题所做工作进行了概括,提出了进一步的研究设想。