肝脏是人体最大的腺体和代谢器官，同时也是机体重要的免疫器官。当各种致病因子作用于肝组织后，可引起肝细胞的损伤、再生、纤维化等，导致肝功能不全，甚至发展为肝功能衰竭。目前，肝脏疾病已经成为威胁人类健康的严重疾患，脂肪肝、病毒性肝炎、肝纤维化、肝硬化及肝癌在我国的发病率较高，因而肝病的诊断和防治成为研究的重点。　　常见的肝病诊断方法有:血清学、肝组织病理学和影像学诊断。其中，超声诊断因具有实时动态、灵敏度高、易操作、无创伤、无特殊禁忌症、可重复性强、费用低廉和无放射性损伤等优点，成为肝脏疾病诊断中常用的方法。　　当超声波在肝脏组织中传播时，会产生反射、散射、衍射、吸收以及声速的变化。B型超声正是利用声阻抗差异所产生的组织界面反射和组织的后散射形成的回波的幅度调制亮度而成像，能反映组织和器官的形态结构信息，因而肝脏的正常和各种疾病状态会呈现不同的纹理。本研究正是利用肝实质的不同纹理分布进行肝脏分类，通过研究肝实质纹理的特征提取方法，选用适当的分类器，排除或尽量减小机器参数对肝脏分类的影响，提高分类精度。　　本文的主要研究工作包括:　　探索了基于矩特征图像的分形特性进行纹理分类和区分正常肝脏、脂肪肝、肝纤维化及肝硬化的方法。由于不同的纹理图像具有不同的矩特征，但是单独的矩却并不能很好地表征图像纹理的特点，提出了基于矩特征图像的分形特性的纹理分类方法。对原图像选取适当大小的感兴趣区(ROI)，计算其二阶矩形成六个特征图像，分别计算其分形维数作为图像特征，输入支持向量机(SVM)进行分类。　　提出了基于分形和边缘共生矩阵的联合特征进行肝纤维化鉴别的方法。利用分形、纹理的边缘共生矩阵进行肝脏超声图像的特征提取，并由分形维数和边缘共生矩阵的熵组成联合特征，分别用最近邻法、Fisher线性分类器和支持向量机进行分类比较。对不同成像条件下获得的肝脏超声图像的实验结果显示，基于边缘共生矩阵熵的分类精度明显优于分形维，而两者组成的联合特征又进一步提高了分类精度。　　提出了基于相位一致和支持向量机的肝脏分类方法。图像纹理的分析方法大都是基于图像的幅值信息（即颜色或灰度），而本方法则是基于图像的相位信息，即图像的特征点存在于傅立叶级数具有相位一致的点处，对图像亮度和对比度具有不变性。运用相位一致的二阶统计特征对正常肝脏、肝纤维化和肝硬化提取特征，由支持向量机进行分类。　　提出了基于相位一致特征映射图的纹理分类方法。对相位一致表达图进行非极大值抑制和双阈值细化后得到的相位一致特征映射图，可以理解为图像的纹理边缘图，计算其共生矩阵的熵作为支持向量机的输入，进行自然图像分类和肝脏纤维化的鉴别。　　分析了肝纤维化分期、治疗以及动物建模的方法。用CCl4建立SD大鼠的肝纤维化模型，获取肝脏超声图像，为纤维化分期的研究提供数据。