肝纤维化是肝脏中大量的纤维化组织增生和沉积,逐渐造成肝脏内肝小叶结构的破坏的病理过程。肝纤维化是病患肝硬化的必备进程之一,研究发现肝纤维化是一个可逆的病变过程,因而早期发现并及时治疗对预防肝硬化有十分重要意义。现代医学研究在医学数字图像处理技术的协助下,可以通过X-CT技术和核磁共振成像(MRI)技术、超声成像技术等方法获得清晰直观的医学图像,病患内部病变部位和病变原因的诊断准确率得到不断提高,但是基于医学图像的肝纤维化诊断研究还主要是依赖医生的直观观察和判断,医学图像的利用率也不高,为了进一步提高医学图像的利用率和诊断的准确率。本文提出了基于病变肝硬化器官的表面轮廓形状的几方面的研究探索：(1) DICOM图像的BMP转化,BMP图像通过传统的sobel边缘检测算子提取肝脏轮廓的形状特征,与DICOM图像手动提出的肝脏轮廓比较其差异性。(2)CT图像轮廓的二维坐标处理,根据机械微观表面的不平度特征参数提取CT肝脏图像轮廓的10个表面形状特征量,通过分类器对样本肝硬化程度分类实验研究。(3)通过支持向量机(Support Vector Machine, SVM)对分类诊断实验结果进行定量分析,采用循环遍历法和留一法穷举所有特征的组合进行肝纤维化程度分类诊断实验研究。综合所有实验结果采用控制变量法分析,实验表明当表面形状特征量的数量选取2-6时能获得较好的分类实验结果,统计每个形状特征值在试验中权重排名,分析出轮廓的均方根偏差Rq,轮廓微观不平度最大高度Rmax,轮廓的最大峰高Rp,轮廓的最大谷深Rm和轮廓峰的密度D对实验分类诊断的准确率有较大权重。并探索每个形状特征值在不同的分类实验中准确率的梯度变化。(4)基于形状特征量和纹理特征量分类诊断的结果的比较,将所有特征量进行混合：10个形状特征量和15和纹理特征量综合分类诊断实验,初步探索出混合特征量后的有效特征量数目和权重的大小。