肝纤维化是由各种致病因素长期影响,导致肝内结缔组织异常增生,使肝内弥漫性结节沉积逐步硬化的病理过程。肝纤维化是一种可逆性病变,如果能及时发现并接受治疗可以使得纤维化程度减少,直至结缔组织逐渐消失。因此采用计算机辅助诊断技术帮助医生及时准确地诊断出肝纤维化程度具有重要的意义。随着数字图像处理技术和医学诊断技术的结合,采用核磁共振图像(Magnetic Resonance Images, MRI)和计算机断层图像(Computed Tomography,CT)辅助诊断肝纤维化程度已经得到广泛的临床应用。但是当前基于医学图像的肝纤维化诊断还是依赖于医生的肉眼诊断,因此就会丢失医学图像中大量的细微信息,为了提高医学图像的使用效率和诊断效率。本文将针对计算机辅助诊断研究进行如下几点探讨：(1)对MRI和CT肝脏图像进行预处理,采用灰度共生矩阵(Gray Level Co-occurrence Matrix, GLCM)提取出图像的13个纹理特征量和计算出图像基本信息特征量：平均灰度值和灰度方差值。提取总共15个特征量进行肝纤维化程度诊断分类实验。(2)对诊断分类实验采用的支持向量机(Support Vector Machine, SVM)分类算法进行分析；对SVM算法中的几种核函数进行仿真实验,结果表明高斯径向基核函数在诊断分类实验中获得不错的效果；采用仿真实验分析高斯径向基核函数的核半径,能使分类器达到最佳的分类效果,改进SVM分类器设计；并通过针对医学图像特征量数据集合的验证实验确定改进的SVM算法的有效性和可靠性。(3)采用改进的SVM分类器对各MRI图像和CT图像扫描期相诊断效果进行对比,分析表明在注射造影剂之后的平衡期获得最佳的诊断效果。对计算灰度共生矩阵所选择的感兴趣区域(Region of Interest, ROI)大小进行诊断效果对比分析,在ROI大小为20×20像素时获得的诊断效果最优。(4)对GLCM提取出的15个特征量的任意组合,遍历地采用SVM分类方法进行肝纤维化程度级别分类实验。综合分析各特征量组合的诊断分类结果,统计表明在特征量个数为3至7个的组合时获得的分类效果较好；并统计出MRI图像和CT图像的各个特征量在计算机辅助诊断肝纤维化程度实验中的权重值。(5)比较分析肝脏MRI和CT两种医学图像的计算机辅助诊断试验结果,表明了MRI比CT能够更好地反映肝脏纤维化程度,MRI图像的有效特征量分布更集中。