随着现代人生活节奏的加快和运动娱乐的增多,人体周围神经的损伤极为普遍,但神经损伤的治疗一直是外科临床上的难题。在周围神经损伤修复手术中,最理想能做到相同性质的神经功能束准确对接,但是人体神经结构微小、物质透明和形状多变,这些生理特性不能满足医生肉眼直接观察定性对接,一直以来外科临床上对神经损伤后的修复与再生效果都不理想,迄今仍未找到疗效令人满意的修复方法。计算机技术的迅猛发展,推动了人体结构计算机三维重建与可视化研究的发展,通过计算机技术构建神经内部结构的三维图像能形象地反映神经全长的内部结构及其变化规律,对周围神经损伤修复术具有重要的辅导治疗意义。目前,对周围神经的三维可视化的研究集中于图像的制备和配准,己取得了很好的解决方法,通过手工分割,借助于市场上现成的医学三维重建软件,三维重建也已被有效地解决。而国内外罕见对神经束的自动分割技术和自动识别技术的报道,神经束的自动分割和识别仍待研究。本文主要研究利用计算机图像处理技术分割神经束和神经束内神经纤维阳性色斑,利用模式识别的知识设计分类器对阳性色斑进行识别和统计,通过计算神经束内各神经纤维占比率来实现神经束的功能识别。本文主要研究工作有：1.分析通用的神经切片Karnorvsky-Roots染色方法在图像特征上的不足,介绍了有利于神经束分割和识别的Karnovsky-Ro ots-甲苯胺蓝-水溶性猩红复染色方法,并对染色结果图像的特性进行了分析。2.神经束的分割。针对神经切片显微图像的不利于经典方法分割的特性,设计空间模糊C均值聚类分割方法(SFCM),在HSI颜色模型的S分量上分割神经束,利用直方图模糊C均值预分割来确定最佳分类数和初始化参数,实现SFCM性能的改善。此方法不仅能克服原图像中颜色重叠和目标对比度低等不利于分割的缺点,而且从S分量图上避开了原图像的真彩色、颜色混合和光照不均等特性。3.神经束内神经纤维阳性色斑的分割。首先设计带内外标记的分水岭分割算法,分割所有的神经纤维阳性色斑区域,然后通过区域面积和圆弧度设定粘连色斑判定条件,用模糊C均值分割粘连色斑。4.神经束内神经纤维阳性色斑的识别和统计。用BP神经网络作为分类器,实现对神经纤维阳性色斑的分类和统计。提取神经纤维阳性色斑的形态特征和颜色特征,设计三层BP神经网络,通过手工提取训练和测试样本,经训练和测试后,完成BP网络的构建,实现对未知类别的神经纤维阳性色斑的识别与统计。5.神经束的功能识别。计算各神经束内神经纤维的占比率,据此来识别神经束的功能。研究的基于HSI颜色模型的空间模糊C均值聚类分割方法,较好地满足复染色神经切片显微图像的分割要求,与传统的分割方法效果相比,分割的神经束更加完整,边缘更加连续。把模式识别中的分类器技术应用到神经束的功能识别,不仅提高了神经三维重建的效率,而且也提高了识别的精度,具有一定的理论意义和较高的实用价值。