本文基于影像組學預測胰腺囊性腫瘤（PCN）的 Ki67 分子標記物表達情況。首先手動分割患者術前多排螺旋斷層掃描（MDCT）圖像中的腫瘤區域，然后根據腫瘤特點設計并提取 409 個高通量特征，再利用最小化的絕對收縮與選擇算子（LASSO）回歸模型進行多因素分析篩選特征，最后將篩選后的特征輸入支持向量機（SVM）實現分類判別。通過重復 200 次 LASSO 篩選，記錄每次被選擇的特征，并將特征按照被選擇的次數從高到低排序。使用十折交叉驗證的 SVM，測試不同的特征數量下的分類效果，重復 200 次并將結果取平均值以降低誤差。實驗結果表明，被選擇次數最多的前 20 個特征構成最優特征子集，預測的 AUC 達到 91.54%，準確率達到 85.29%，敏感度為 81.88%，特異性為 86.75%。實驗結果證明了通過影像組學方法預測 Ki67 分子標記物的可行性。
本文利用影像組學的方法預測乳腺腫瘤分子標記物雌激素受體（ER）。首先采用基于相位信息的動態輪廓模型（PBAC）對乳腺圖像進行分割，其次對乳腺超聲圖像中腫瘤的形態、紋理、小波三個方面的 404 個高通量特征進行提取并予以量化，然后利用 R 語言以及結合最大相關最小冗余（mRMR）準則的遺傳算法進行特征篩選，最后利用支持向量機（SVM）和 AdaBoost 進行分類判別，實現根據乳腺超聲圖像預測分子病理指標 ER 的目的。對 104 例臨床乳腺腫瘤超聲圖像數據進行實驗，在使用 AdaBoost 作為分類器的情況下得到了最優指標，即分子標記物 ER 的預測準確率最高可以達到 75.96%，受試者操作特性曲線下的面積（AUC）最高達到 79.39%。實驗結果證明了利用影像組學方法預測乳腺癌 ER 表達情況的可行性。
腎臟腫瘤已經成為威脅人類健康的重要疾病之一。超聲檢查具有普及率高、價格低廉、無輻射等諸多優點，已廣泛應用于腎臟腫瘤的診斷中。超聲圖像中腎臟腫瘤的準確分割是制定治療方案的基礎。腎臟腫瘤往往生長在腎皮質中間，分割容易受到周圍臟器干擾，而且超聲圖像對比度低、斑點噪聲嚴重，使得腫瘤分割困難。本文根據腎臟超聲圖像的特點，提出基于自適應分區演化水平集（ASLSM）的腫瘤分割算法。首先，將感興趣區域圖像分區；然后，融合內外能量項和梯度設計目標函數，并自適應調整二者比例；最后，根據質心原理和零水平集內外相似度自適應卷積半徑及曲率，進行曲線演化。將本算法用于腎臟超聲圖像，實驗結果中豪斯多夫距離（HD）為（8.75 ± 4.21）mm，平均絕對距離（MAD）為（3.26 ± 1.69）mm，戴斯系數（DICE）為 0.93 ± 0.03。與傳統的方法進行比較，實驗結果證明本算法可以獲得更加準確的腫瘤分割結果，今后本算法或可為輔助醫生定位和診斷腎臟腫瘤提供便利。
圖像配準在肝臟疾病的計算機輔助診斷和手術規劃方面具有重要的臨床意義。基于深度學習的配準方法使得肝臟電子計算機斷層掃描（CT）圖像配準具有較高的實時性和準確度。然而，現有方法在配準具有大位移和大形變的圖像時，存在配準后圖像的紋理信息發生改變的問題，因而難以將其應用在后續的圖像處理與臨床診斷中。基于此，本文提出一種新穎的基于紋理濾波的無監督配準方法，實現了肝臟 CT 圖像的配準。該方法首先基于 L0 梯度最小化的紋理濾波算法消除 CT 圖像中肝臟表面的紋理信息，使得配準過程僅參考兩幅圖像的空間結構信息進行配準，從而解決紋理改變的問題。然后，基于級聯網絡配準具有大位移和大形變的圖像，循序漸進地將待配準圖像與參考圖像在空間結構上對齊。此外本文還提出一種新的衡量指標——直方圖相關系數，以衡量配準后紋理改變的程度。實驗結果表明，本文所提出的方法具有較高的配準精度，有效地改善了級聯網絡中存在紋理改變的問題，并且提升了在空間結構對應和抗折疊性能兩方面的配準效果。因此，本文所提方法或有助于提升醫學圖像配準的科學性，促進醫學圖像配準安全可靠地應用在肝臟疾病的計算機輔助診斷和手術規劃方面。
冠狀動脈造影（CAG）作為一種經典的血管影像模態，在臨床上廣泛應用于心血管疾病的診斷。對于基于CAG的計算機輔助診斷系統而言，準確的血管分割至關重要。但是，對安裝心臟起搏器患者進行CAG檢查時，所獲得的圖像中往往存在起搏器的干擾。在這種情況下，血管分割將變得更為困難。為了去除起搏器的干擾以優化血管分割的結果，本文提出了一種基于偽CAG圖像生成并與待分割CAG圖像配準后移除起搏器干擾的方法。首先，通過CAG視頻中的部分圖像序列生成僅包含起搏器的偽CAG圖像；然后，利用一個圖像局部特征描述子配準偽CAG圖像和待分割CAG圖像中起搏器的相對位置；最后，綜合配準結果和起搏器、主要血管的分割結果，移除重疊起搏器的干擾，優化主要血管的分割。在臨床采集的帶起搏器干擾的11幅CAG圖像上評估所提出的方法，戴斯系數的平均優化率達到12.03%，這表明本文方法可有效移除重疊起搏器，從而達到優化主要血管分割的目的。綜上，本文研究結果或可助力基于CAG的計算機輔助診斷系統，進一步提高其診斷準確性和效率。