在临床医院,前列腺癌病理组织切片的格里森(Gleason)分级是由病理医生根据经验通过人工分析组织切片中不同的病理标志物得到。然而人工方法耗时且基本上只有医生的主观意见,因此目前基于病理医生主观意见的人工分析方法具有不可复制性。最近的研究表明有多年经验的病理医生之间对于同一个切片的病理分级具有较大的差异性。即使是同一个医生在不同的时间由于情绪、疲劳程度的不同,对同一张切片的病理分级也有差异。因此,基于计算机辅助的自动病理分级的研究非常有意义,因为它可以为临床医生提供更加客观的分析结果,同时可以避免由于主观因素带来的不必要的漏检和错检。根据目前临床中通用的前列腺癌格里森分级系统,腺体的形态结构与癌变程度密切相关。针对这一问题,本文建立了基于腺体分割和腺体形状特征描述的前列腺癌病理组织自动分级系统。该系统主要分为腺体分割与腺体分类两步骤,具体内容为：首先采用基于局部的主动轮廓模型分割方法提取出腺体内腔轮廓,然后根据这个轮廓建立腺体的中轴形状,通过中轴形状变化,实现形状与形状之间的配准；将计算得到的两两形状之间的相似性作为形状特征,再送入支持向量机,得到等级3和等级4的分类结果。从实验结果可以看出：本文提出的针对等级3和等级4的前列腺癌病理组织分级系统与基于经典分割方法的分级系统相比,分割准确度更高,分类效果更好。针对主动轮廓模型的初始形状学习问题,本文提出了一种新的初始化方法来替代原有的人工初始化或随机初始化方法：由于不同种类物体之间存在着全局形状或局部形状可能相似的现象,故本文首先提取待分割图像的局部形状；在已建立的样本数据库中找出符合匹配条件的局部形状集；然后根据待分割图像与样本数据库中图像局部形状的相对位置及大小完成全局形状映射过程；最后依照全局形状之间的覆盖率分组,通过交集运算融合成一系列初始形状。将这一系列的初始形状的符号距离函数作为主动轮廓模型的初始迭代函数。从实验结果可以看出：本文提出的新型的主动轮廓模型初始化方法能够提高分割的准确度,大大缩短分割的时间。