颅脑病变的自动诊断是计算机辅助诊断领域研究的难点，本文的研究目的就是提出一种简单的基于颅脑结构对称性的病变区域分割算法并对病变区域提取特征信息。病变分割算法首先将图像分割为固定的感兴趣区域，采用二阶统计矩的差值作为特征判断出病变区域，然后采用自适应阈值分割算法分割出病灶。针对已分割出的病灶选择平均灰度，二阶统计矩，灰度共生矩阵的角二阶矩，规则度等分别描述病变区域的纹理特征和形态特征。实验结果表明，本文提出的分割算法对密度改变明显的病灶可以自动地检出并分割病变区域，并能提取病灶的特征信息，部分解决了颅脑病变的自动诊断难题。

研究目标

本文的研究目标为以下两点：

1、寻找一种能够自动识别出颅脑中病变区域的方法。

2、针对已经识别出的颅脑病变区域寻找合适的特征表示用于辅助诊断和识别病变类型。

研究的背景

本文的研究从属于基于医学影像学的计算机辅助诊断，具体为颅脑病变的计算机辅助诊断。下面对基于影像学的计算机辅助诊断和其在颅脑方面的发展作一个简要的介绍作为研究背景的阐述。

论文主要内容

本论文按照课题要求，首先将对颅脑病变自动诊断的流程做一个大体的论述。其次会对颅脑病变区域的自动识别和分割方法进行论述，并给出相应的实验和问题分析。再次会对适合于所采用的分割算法的病变选择利于诊断的特征，并简单分析特征的效果。最后，对整个工作进行总结，讨论方法的不足和有待提高的算法。

论文包含以下章节：第二章颅脑病变CAD系统的整体方案设计；第三章颅脑病变区域的自动分割；第四章颅脑病变区域的特征提取；总结。

颅脑病变自动识别整体方案

本文研究颅脑病变自动识别方案的思路是首先研究医生进行病变诊断的流程。在总结医生诊断过程的基础上，利用计算机模拟诊断的各个步骤。研究每个环节的计算机自动实现，最终达到颅脑病变自动识别的目的。

医生对疾病进行诊断的基本流程可以概括为发现病灶、观察分析病灶，最后根据观察所得结合医学理论和临床表现确定疾病种类。发现病灶即是找出具体病变的区域，对于数字图像就是分割问题。观察分析病灶的目的是获取病灶的表征其为区域特征提取问题。由特征来自动分类病变是模式识别问题。 

本文研究的重点是如何自动分割出病变区域以及对分割出的病变区域提取特征，下面将对这两个模块的方案进行介绍。