随着人们生活水平的提高,脂肪肝的发病率不断上升。临床上,医生使用B超仪诊断脂肪肝,仅凭肉眼进行定性和经验性的判断,诊断结果受主观因素影响较大,具有一定的局限性。利用计算机对肝脏B超图像进行纹理分析,获取量化参数,并以此为依据进行分类识别,有利于提高临床诊断的准确性和效率。基于B超图像的脂肪肝计算机辅助检测包括以下几个处理步骤:感兴趣区域选取、特征提取、分类识别、疾病程度量化分析。首先采用人机交互方式选择感兴趣区域。其次结合肝脏B超图像的特点,选取了近场回声细密度计算法、灰度共生矩阵法、局部灰度差分矩阵法、近远场灰度比计算法来提取脂肪肝和正常肝脏B超图像的纹理特征。根据显著性差异检验分析及各特征组合分类结果,确定了用于分类识别的最佳特征向量,包括近场回声细密度、灰度共生矩阵的角二阶矩、近远场灰度比。随后借助通用支持向量机软件包——LIBSVM设计了基于径向基核函数的支持向量机分类器。采用两种样本选择方案对分类器进行训练,利用训练好的分类器对正常肝和脂肪肝B超图像进行分类。最后通过计算待检测图像的特征向量与标准特征向量的相似性,实现对脂肪肝严重程度的判断。从武汉市第六医院提供的肝脏B超图像中选取有代表性的93幅图像进行实验,达到了对正常肝样本84%的识别率和脂肪肝97.1%的识别率,并实现了对典型轻、中度脂肪肝图像较好的分类效果。