医学科学技术的蓬勃发展为人类带来了海量的医学信息。对医学信息的进一步处理(如特征提取、科学计算可视化等)可以进一步定量或定性地描述人体的生理特征，有助于建立新的诊断标准，甚至实现自动化的计算机辅助诊断。本文探讨信息处理技术辅助临床诊断的应用，研究内容包括两个子课题：基于非线性动力学信号分析方法的振幅整合脑电图新指标在新生儿脑功能监测与评估中的应用，以及基于虚拟(超)现实的可视化技术在人体胃肠道息肉诊断中的应用(863项目资助课题)。　　 振幅整合脑电图是一种成熟的长期连续监测脑功能的方法，临床上广泛地应用于成人重症监护、新生儿脑功能监测等领域。不同于标准导联脑电图，振幅整合脑电图反映的是脑电背景活动中振幅从最大值到最小值的变化过程，可以以较少的数据量连续稳定地监测、记录主要的脑功能活动。目前对振幅整合脑电图的研究和临床应用主要集中在对整合振幅的观察。本文首次将近似熵应用于新生儿振幅整合脑电图的分析，考察新生儿振幅整合脑电的不规则度；建立了基于3Sigma准则的定量分析新生儿振幅整合脑电的新指标，取得了突破性的结果，为临床诊断提供了有力的支持。在此基础上进一步提出了基于BP神经网络的分类算法，更提高了所提出新指标的有效性。177例新生儿振幅整合脑电的统计实验结果表明，相比于现有的整合振幅观察法，本文所提出的新指标在识别异常足月儿和早产儿的振幅整合脑电的特异性不降低的基础上，敏感性提高约10％；基于BP神经网络的分类算法识别异常足月儿和早产儿的振幅整合脑电的敏感性分别提高约30％和12％。　　 由于采集大量临床数据需要耗费很长的时间，本人同时额外地参加了863项目的相关研究工作，并取得了一些成果。　　 胃肠道肿瘤是西方国家常见的肿瘤疾病，有着较高的致死率。对胃肠道息肉的早期检测与处理可以大大降低胃肠道肿瘤的发病率和死亡率。作为无创的检测方法，基于虚拟现实技术的可视化方法(如虚拟内窥镜、虚拟外翻等)能够模拟并丰富传统的检测方法，同时可以避免侵入式检测所引发的各种风险。其日益显著的临床价值使之成为国内外的研究热点。本文在该领域的研究包括三个部分：(1)设计了三个指标(息肉失真率、采样丢失率、检测盲区率)以定量分析虚拟变形算法的有效性，并评估各种算法的优劣；(2)针对现有的人体结肠虚拟拉直算法的不足，提出了基于改进电场模型和基于重力场模型的两种结肠虚拟拉直方法(特别是后者的息肉失真率、采样丢失率、虚拟内窥盲区率分别降低了18.70％、75.65％、12.12％)，有助于虚拟展平、虚拟外翻等算法的实施并提高检测的敏感性；(3)原创性地提出并分别使用有限单元法和电场模型实现了人体胃肠道的虚拟充气方法，模拟气压作用于空腔外壁，突破了真实充气的种种限制，保持了内壁结构的形态基本不发生变化的前提下可对管道状或非管道状的空腔脏器，甚至是对非封闭的曲面进行充气。通过虚拟充气可使空腔结构变得充盈，增大了虚拟内窥的视野，相对规则的形状有助于提高虚拟展平、虚拟外翻的可视化效果。