肝癌是我国最为常见的一种恶性肿瘤，严重威胁到了人类生命健康，如何预防和治疗肝癌成为人类医疗领域的极大挑战。通过CT序列可以得到丰富的肿瘤信息，将这些信息以各种直观的形式展现出来可以帮助临床医生更好的分析病情。本文基于CT图片序列，着重从三维形态和三维纹理两个方面进行肿瘤变化分析，从而进一步推断肿瘤疗效:　　首先，在进行肿瘤变化分析之前，需要从CT序列中分割出肿瘤区域并进行三维重建，排除其他组织对后续分析的影响。在分割阶段，为了能够得到理想的分割结果，为后续疗效分析铺垫基础，采用了先预处理，后粗分割再细分割的三个步骤。预处理阶段为了保留边缘信息和去除噪声，实验采用Catte-PM算法进行去噪处理;之后利用置信连接阈值法得到肿瘤区域的大概轮廓，再用水平集方法分割得到最后的结果。为了方便后续的肿瘤变化，在三维重建中，采用了面绘制技术中的移动立方体重建方法，能够快速而较准确的重建出肝脏肿瘤的表面轮廓。　　其次，做好分割和三维重建工作后，对分割后的肝脏肿瘤进行三维形态分析，基于当今肿瘤疗效评估标准RECIST，本文引用了三维最长径的概念，并结合肿瘤体积进行形态变化分析。在肿瘤体积测量过程中，比较了当前医学体积测量较为常用的三种方法:积分法、拟蒙特卡罗方法和投影法，经过比较后决定采用结果更为准确且方便后续最长径计算的投影法进行体积测量，并对投影法进行改进，将法向量的概念引入方法当中，使得计算更加快速准确。在肿瘤三维最长径过程中，将求取肿瘤最长径的问题转化为求取三维空间云点集最远点对的问题，后阐述了凸包的原理和优势，将凸包和对跖点相结合，并将对跖点推广至三维层面，引入对跖点线的概念，并结合面法向量，提出了一种基于对跖点的快速寻找最远点对的算法，实验证明，该算法具有快速和准确性。　　在肿瘤三维纹理分析部分，详细阐述了灰度共生矩阵的概念，并结合医学图像的特点，以及CT值能够表达肿瘤内部是否钙化，将CT值和灰度共生矩阵相结合，提出了CT共生矩阵的方法，并基于这一共生矩阵，计算出四个具有代表性的统计特征量，进一步对肿瘤纹理进行分析。实验结果证明，这四个统计特征量能够很好的描述出肿瘤纹理变化。在本文的最后，实验采用了同一病人在四个不同时期进行的CT扫描数据，从形态变化和纹理变化两个方面分别对这四组数据进行肝脏肿瘤分析，实验分析结果与临床医生给出的结论相吻合。　　本文基于形态和纹理两个方面对肿瘤变化进行分析，在计算体积和最长径方面，引用了法向量的概念，并对投影法进行改进，和法向量结合提出一种新的肿瘤体积测量方法;同时将法向量和对跖点结合，提出了一种三维层面的快速寻找最远点对算法，从而计算出最长径。实验证明这两种改进的方法都具有一定的创新性和实用性。在纹理方面，基于图像分析最为经典的灰度共生矩阵，将其推广至三维层面，并和医学CT值相结合，基于CT共生矩阵分析出肿瘤的纹理变化，得出了肿瘤四个阶段的疗效变化，和临床结论吻合。实验证明，本文提出的基于形态分析和纹理分析的肝脏肿瘤疗效分析系统具有一定的实验价值和临床意义。