脑出血量、中线移位和脑室受压是医生诊断高血压脑出血患者是否采取手术治疗的关键指标。针对临床上多田氏公式计算不规则、不连续出血区域出血量误差大;中线偏移量小、脑室受压无法定量测量导致获取诊断信息不精确;医生无法预测血肿吸收情况导致继发性损伤的问题,对CT影像的计算机辅助诊断进行了研究。本文研究提高了脑出血量、中线移位和脑室受压测量的精度,能够辅助医生预测血肿吸收快慢,对医生诊治高血压脑出血具有重要作用。主要工作包括以下几个方面:1、研究了不规则、不连续、不明显及含高噪声脑出血区域分割方法。针对此类灰度不均匀和含弱边界的脑出血CT图像,首先采用空间域信息的模糊C-均值聚类算法初始分割,然后模糊聚类结果自动对距离规则化水平集演化模型初始化,最终迭代分割出血区域;分割算法考虑了图像的空间域信息和边缘信息,无需手动初始化,通过双势肼函数改进距离规则化项,在提高了分割精度的同时有更快的分割速度和抗噪性;2、设计了一种基于算法分割的计算机辅助脑出血量计算方法。先通过二值化得到出血区域占比,乘以CT片面积得到出血面积,各出血层面相加得到出血量;相比传统多田氏公式,新方法更精确、快速;3、分析影响血肿吸收临床因素基础上建立血肿吸收快慢预测模型。统计121例患者临床表现数据和CT影像数据,计算脑出血量,血肿平均吸收速度、吸收率;SPSS统计软件分析影响血肿吸收的临床危险因素,二元logistic回归分析建立血肿吸收速度及血肿平均吸收率(或称血肿吸收进度)快慢预测模型;4、在Matlab GUI平台下实现了中线移位和脑室受压变化测量,开发了高血压脑出血计算机辅助诊断系统。通过CT影像边缘标尺与GUI平台下网格坐标换算实现中线移位的测量,通过计数落在脑室区域内网格数实现脑室面积计算。