骨关节炎已经成为影响中老年人生活质量的最为常见的关节疾病,且患者的年龄正逐步呈现低龄趋势。骨关节炎的早期发现、早期诊断是提高疗效的关键。随着医学影像技术的发展,MRI因其良好的组织分辨率、无创性和无辐射性等优点,成为了骨关节炎诊断的重要成像方式。利用计算机诊断技术,对膝关节MRI图像进行软骨分割及定量分析,可以辅助医生诊断软骨病变状态,制定手术治疗方案,具有巨大的应用前景。MRI图像中的软骨细小狭长,形态多变,与周围组织对比度相似,存在伪影、噪声、图像模糊等问题,因此软骨的自动分割和定量分析存在困难。本文针对这些问题,研究并提出了一种基于多特征支持向量机和弹性自动区域生长的算法对膝关节MRI图像中的软骨进行自动分割,并对分割出的软骨进行三维重建及定量分析。本文主要研究工作如下:(1)本文针对膝关节MRI软骨分割存在的难点,研究并提出了一种结合改进的自适应Canny边缘检测与多特征支持向量机的骨-软骨接触面提取,实现软骨候选区域的精确定位,该算法基于梯度幅值直方图和反馈的边缘数目动态更新高低阈值,检测图像中的主要边缘,并提取主要边缘的多种类型特征,采用支持向量机算法实现骨边缘的识别,最后对骨边缘进行优化得到骨-软骨接触面。(2)在骨-软骨接触面定位的基础上,采用弹性自动区域生长算法实现膝关节软骨的自动分割。该算法根据骨-软骨接触面和梯度幅值自动选取种子点,利用已生长区域的灰度均值和方差动态的更新相似性准则,对得到的初始软骨分割结果进行优化,得到准确的软骨分割结果。(3)对自动分割后的软骨进行三维重建及定量分析,比较健康人、轻度骨关节炎患者及重度骨关节炎患者的软骨在形态上的差异,定量分析随着骨关节炎病情的加剧,软骨体积及厚度的变化趋势,验证了分割的有效性。本文为膝关节软骨分割和定量分析提供了新的思路,为基于膝关节MRI图像的骨关节炎辅助诊断和手术方案的制定提供了新的理论基础和方法依据,具有一定的理论意义和实际意义。