结论
颅脑病变的计算机辅助诊断研究在国内外尚处于起步阶段，其研究的难度较高。简而言之，颅脑病变的复杂性多样性和相关数字图像处理技术的不成熟是研究的困难所在。本文作者通过一定的学习和思考，对此问题尤其是病变区域的自动分割做了一些研究。现总结和分析如下。
1、本文的工作包括如下几个方面：
（1）研究了自动分割病变区域的方法。此方法的核心思想是利用颅脑结构的对称性进行病变区域的预先识别，对判断出的大区域再使用分割算法确定出病灶。此方法所需要的颅脑先验知识较其他方法少，同时因为无须对全脑分割故使用的分割算法也要简单的多。但是由于图源的问题，测试的病变较少。
（2）针对分割出的病灶区域，研究了提取何种特征用于计算机辅助诊断。根据医生的判断经验和理论，具体选取了描述区域内部关于密度和纹理的特征以及描述病灶外部形态特征的规则性等。
2、本文存在以下问题：
（1）由上文第3章所述可见，对于自动分割病变区域的方法存在的最主要问题在于分块的自适应性问题无法解决。分块的固定化无法适应某些病变，而基于颅脑对称的分块在用于判断的特征上仅仅使用灰度对比度的差值也是无法适应更多病变的原因之一。
（2）对于特征的提取上，问题在于所使用的特征过于基本，使得特征的作用限于辅助诊断。而对于病变的诊断相当重要的医学特征的提取较为困难。其原因为以下两点：首先部分特征的提取需要全脑的信息和标准的医学先验知识，例如占位效应、萎缩等等；其次特征没有合适的数字图像描述子表达。
（3）在研究过程中：首先前期的准备工作略显单薄，体现在CT诊断学的学习不够充分，没有能够更多的发现颅脑疾病的复杂性使得后续的算法在适用性上存在硬伤。而对疾病诊断特征理解不深刻，难以找出对应的数字表达。在分块判断上可以采用模式识别的方法，但因为搜集的图源非标准而放弃。其次在论文的阅读上多集中于国内，较少涉及外文文献尤其是IEEE文献使得思路不够开阔。最后在实验数据的分析上，随意性较大，没有很好的依据科学规范和理论，造成对研究效果和存在问题认识不足。
3、对于后续的工作，还有以下需要完善和深入研究的：
（1）要解决图源的问题。需要获得标准的DICOM格式的图片，其灰度、位置和附加信息都标准化故对于后续的处理有着重要的意义。
（2）对于分块系数的确定，考虑引入含有一定的颅脑先验知识和自适应性的分割系数。分块系数的改进可以提高之后特征提取的效率。
（3）进一步学习颅脑CT诊断学的内容，考虑在分割和特征提取的过程中可以更多的加入医学先验知识，例如引入正常颅脑灰度分布图用于病变区域的提取。更多的背景知识对于优化算法和设计更好的整体识别流程有积极作用。
（4）对于如钙化、水肿等重要的特征的数字表示加以研究。考虑组合多种基本的数字描述子加以表达。


本电子电气通信自动化毕业设计“颅脑CT病变自动分类的研究”论文由清风毕业设计网[www.lunwen550.com]征集整理！