要改善食管癌的治疗效果,最有效的途径就是提高常规胃镜检查的普及程度,这意味着消化内镜医师将要承担更加繁重的诊断任务。计算机辅助诊断方法能减轻医生的工作负担,减少人为因素可能导致的失误。本文利用图像处理、模式识别的方法实现了对普通电子胃镜图像中食管早癌病灶的检测,提高常规胃镜检查的效率和准确性。首先,考虑到主流的图像处理算法不适用于胃镜图像中区域提取,本文基于病变区域内像素间变化大的特点设计了一种简单、快速的感兴趣区域(ROI)提取方法;另外,本文开发了新的特征算子来描述每个感兴趣区域的整体和局部特点;最后,本文为了尽可能地降低漏诊率,对Adaboost算法中原本的样本权值初始化方案进行了修改,使得强分类器的训练过程中更加注重敏感性。实验结果表明,本文的方法检测食管早期癌症的敏感性和特异性分别为93.6%和77.2%,相对其他方法具有明显的优势。此外,本文方法计算简单、快速,更加符合临床应用方面的实时性要求。