据卫生部统计,自90年代以来原发性肝癌已上升为恶性肿瘤的第二位,而B超检查作为普查肝癌的首选方法,由于受肝癌B超图像质量方面的因素及恶性病变良性表现和观察者视觉疲劳或疏忽及诊断水平等因素的影响,诊断结果存在较大的非确定主观因素。因此,对肝癌B超图像进行计算机辅助诊断是很有必要的。它将为医务工作者提供第二观感,减少医务工作者的工作量,帮助他们进行更准确的诊断,减少误诊或漏诊的发生。本文的目的就在于通过归纳肝癌B超图像上的各种图像特征,对这些特征的分析比较,获得对肝癌最敏感稳定的特征组合。本文根据肝癌B超图像的声像学表现,研究了图像的纹理特征信息和形状特征信息,在特征提取和选择方面进行了研究。本文的主要研究工作如下:(1)提取了肝癌B超图像的纹理特征。首先按肝癌B超图像的内部回声进行分类,然后对各类图片纹理特征进行了分析,接着对总的肝癌B超图像和其他一些易混淆的病症(如血管瘤,脓肿等)的纹理特征进行了分析,实验表明对单一的特征进行分类识别的结果并不理想;对不同的肝癌回声类型,分别有对应的不同的特征值对其具有较好的区分效果。因此,在样本足够的情况下,根据肝癌B超图像的特点进行细化分类图片有助于提高分类的准确性。(2)提取了肝癌B超图像的形状特征。结合Snake算法的分割结果提取出了一些形状特征,对医生判断肿瘤的大小,形状,位置等等提供了一定的依据。(3)研究和介绍了一些常用的特征选择算法,并根据实际情况,选择循序前向选择算法,Relief算法以及改进的Relief-循序前向选择算法对前面所提出的特征进行了特征筛选,并用SVM分类器进行了识别。实验证明,Relief算法与SVM分类器相结合,在选出肝癌B超图像的特征组合中是最好的。