胃上皮内肿瘤的病理诊断主要依靠病理医生凭经验对胃上皮内组织切片的细胞形态学特征进行分析判断，从而得出诊断结论。如何将胃上皮内组织切片的细胞形态学特征由定性判断转化成定量描述，以便为医生提供胃上皮内肿瘤早期病理诊断的辅助依据，一直都是一个难以解决的问题。因此开发胃上皮内肿瘤诊断病理分析及图像处理系统以成为众多医疗单位的共识。 要开发出该类系统确实面临着诸多的难题，其中最主要的就是该类病例的病理特征比较复杂，同一个病例不同的医学专家之间都有很大的差异。还有就是该类病例的要得到的参数比较多，而且这些参数的特征值又没有固定的模版，因此实现该类病理计算机化确实有不少的难度，尤其要实现计算机来诊断（智能化）该类病例更是一个难题。本文首先建立一个系统实现对显微图像的预处理，然后利用粗糙集知识来进行图像识别。其中很关键的就是预处理过程中的图像分割，因为这一步的精度直接影响到后面图像识别的结果。然后在图像识别中主要是利用粗糙集中属性约简的知识。首先建立一张关于此病例的信息表（知识表达系统），对知识表达系统利用RADM算法进行属性约简，求出约简和属性核，进而求出每种证候的上近似集和下近似集，得出确定规则和可能规则，再根据条件属性和决策属性之间的医学专家知识，从而根据病人的症状来判断是所属病理阶段，从而实现图像识别的功能。为了提高效率，在具体的实现过程中本文提出了一种基于区分矩阵的属性约简的改进算法RADM，找出影响时间效率的因素并将命题演算中的吸收率用于构造区分矩阵，从而去掉了区分函数中不起作用的“重复”元素，提高了属性约简的效率。