脂肪肝是由于多种原因引起的肝脏脂肪蓄积过多,若早期不及时诊断、治疗,则可发展为肝硬化、肝癌甚至死亡。超声成像技术是脂肪肝诊断最常用的方法之一,但是超声诊断更多的是依赖医师的临床经验进行定性判断,带有很强的主观性。随着纹理分析技术的发展,利用计算机辅助诊断技术结合超声成像技术诊断脂肪肝已经成为可能。一些初步的研究表明,超声图像的一些特征可以用于与区分正常肝脏与脂肪肝。复杂性分析是一种非线性分析方法,在脑电的分析,心电分析,CT图像分析等诸多方面有良好的应用。本研究利用类似的思想对超声图像进行分析,探究图像内部混乱程度的信息,实现脂肪肝和正常肝的计算机辅助诊断。本研究采用复杂性分析方法与模式识别技术对肝脏超声图像进行描述,由于弥散性和非弥散性的肝脏疾病的一个特点就是会破坏正常的组织结构,在B超图像上就反映为图像纹理的改变。以肝脏纹理变化为出发点,分别在已采集的肝脏图像上选择感兴趣区域,计算每一幅图像的多个特征量,包括近似熵、Kc复杂度和近远场灰度比。由多个特征量组成特征矢量作为模式样本集,每个特征矢量代表一幅图像,进行图像分类识别。识别的方法有两种:无监督识别——C-均值聚类,利用误差平方和极小准则,根据各样本特征矢量与聚类中心的距离,将总体样本分成正常肝和脂肪肝两类;有监督识别——基于反向传播神经网络的图像识别。利用反向传播神经网络分类器,将现有图像分为训练用和识别用两组,用已知类别标签的训练用图像对神经网络进行训练,再用训练好的分类器对未知肝脏图像进行识别。