肝癌是我国死亡率仅次于胃癌、肺癌的第三大恶性肿瘤，而且其发病率在逐年增加。肝癌隐匿性强、早期症状不明显且预后效果较差，早期诊断和治疗是目前降低其死亡率最有效的措施。肝脏病理图像是诊断肝癌的金标准，通过肝脏病理图像对病人进行诊断需要依靠临床医生丰富的经验，而在面对大量的病理图像诊断时，医生很容易由于疲劳和经验不足而出现误诊或漏诊。因此本文尝试通过计算机图像识别技术来辅助医生对病人进行诊断，为医生提供一定的客观参考依据。
　　医学图像的识别分析主要包括图像的分割、图像特征的提取、特征的选择及降维和分类器的设计等过程。本文主要针对图像的特征提取、特征的选择及降维两个方面来对肝癌病理图像识别算法进行研究。本文主要工作如下：
　　（1）介绍了肝癌病理图像辅助诊断技术的研究现状和目前应用较为广泛的医学图像识别技术。在分类器的设计中，通过比较各分类器的优劣后，选择了能有效避免“维数灾难”、泛化性好及适用于小样本数据处理的支持向量机。
　　（2）正常肝脏病理图像和肝癌病理图像在纹理上存在着较为明显的差异，故本文重点研究了几种常见的纹理特征，通过研究发现局部二值模式对肝癌病理图像具有很好的识别效果。通过对各类型局部二值模式提取的特征进行十折交叉检验识别和比较，发现半径为1，邻域为8，等价模式下的59维局部二值模式对两类图像具有最好的识别效果，其十折交叉检验识别准确率达到了87.88%。
　　（3）人体从某种程度上可以说是一个巨大的非线性混沌系统，而病理图像上的细胞级信息能很好体现该系统的变量信息。故本文以全新的角度重点研究了复杂性度量在肝脏病理图像上的识别应用。通过对肝脏病理图像复杂性特征的提取和选择，筛选出了一组对两类图像具有较好识别效果的6维复杂性特征，该特征组合的十折交叉检验识别准确率达到了89.90%。
　　（4）将肝脏病理图像的局部二值模式特征和复杂性特征组合，再通过主成分分析法对该特征组合进行降维。通过实验发现，在该特征组合降维到13维时就能达到原先65维特征的识别效果，该13维特征的十折交叉检验准确率达到了91.92%。为了进一步验证该13维特征的识别效果，又采用留出法和ROC曲线对其进一步评价。通过留出法将99张图像以接近1:1的比例划分成测试集和训练集，由50张训练集图像和支持向量机生成的模型对49张测试集图像的识别准确率达到了89.80%。最后再根据该模型实验结果绘制了ROC曲线，计算得其AUC值为0.9333。