MS(MultipleSclerosis，多发性硬化)是一种以脱髓鞘和轴索损伤为病理特征的慢性炎性疾病，累及脑组织、视神经和脊髓，其中主要累及脑组织，可造成严重的神经功能障碍，如失明、瘫痪、甚至死亡。中国MS患者数约为65，000例，近年来MS疾病的发病率有上升的趋势。MS患者发病年龄早、起病急，是中青年非外伤性终生致残的最常见原因之一。对人类的健康造成严重影响，给患者家庭带来巨大经济负担。 MRI是诊断MS的重要工具，目前MS的诊断仍无法摆脱发病两次以上和至少发现两个独立的病灶这一基本诊断模式，只有熟悉MS病症并能够解释MRI图像和实验室结果的临床神经专科医生才能对此病进行诊断，因此MS的早期诊断十分困难。 NAWM(NormalAppearingWhiteMatter，表现正常脑白质)是指常规MRI的T1WI和T2WI图像上表现正常的脑白质。由于常规MRI显示MS病灶总量与临床表现、致残程度不一致，NAWM微观病变的研究逐渐受到临床医学界的重视。1991年Armapach等报告尸检证实多发性硬化患者NAWM中存在微观病变，即在MS发病早期，在常规MRI可观察到明确的MS形态特征之前，脑白质中己发生微观结构改变。如果能够利用图像分析技术深入解析MRI图像，探测脱髓鞘早期微观变化无疑将有助于MS疾病的早期诊断。 我们之前的研究证实当人体的组织发生病理变化时，图像纹理特征也会相应改变。那么如何从MRI图像中提取表征这种常规MRI无法观察到的微观结构改变的特征参数是我们研究的重点。 本文采用的研究方法是在MRI的T2WI图像上选择病灶区、病灶周围表现正常脑白质区以及正常脑白质区组成感兴趣区数据集作为研究对象；采用频域分析、分形理论、共生矩阵等纹理分析方法对感兴趣区数据集提取并筛选特征参数；将其构成特征向量来代表样本，组成特征空间；在特征空间内采用自组织竞争、学习矢量量化和概率神经网络的方法对脑白质微观病变的预测器模型进行初步的研究和设计，其中基于概率神经网络的PNN算法过程简单、样本追加能力强、分类识别效果最好。 本文从MRI图像纹理分析的角度探索了MS患者脑白质微观结构变化的纹理特征，提取到七个纹理特征，统计学假设检验证实正常脑白质和表现正常脑白质的这些纹理特征参数之间存在显著性差异，这将有助于MS的早期诊断和疗效评价的研究。