计算机辅助诊断和辅助决策系统,医学图像处理与图像识别是近年来的研究热点。髋关节发育异常是新生儿常见骨骼类疾病之一,为了实现该类疾病的自动诊断,本文设计和实现了基于图像处理技术的儿童髋关节发育状况筛查辅助诊断系统。该系统能根据儿童髋关节超声图像将其自动分为发育正常,发育不良,严重发育不良和脱位四种发育类型。系统包括五个部分,即原始图像预处理,脱位髋关节筛查,非脱位髋关节图像分割,特征提取,及最终诊断。首先,原始图像预处理步骤从超声髋关节图像中提取出关键的髋臼部分图像。其次,由于脱位类型髋关节与非脱位髋关节图像特征明显不同,因此采用反向传播神经网络,以预处理后的髋臼部分图像作为输入,先筛查出脱位类型髋关节。然后,针对筛查出的非脱位类型的髋关节,进行图像分割。图像分割部分为系统的核心,针对髋关节图像的特点,本文在现有分割算法的基础上,提出采用两次分割的方法以获得最佳图像分割效果。在第一次分割中,采用处理亮度不均图像的分割算法进行分割,并将演化后的水平集函数映射为新的灰度均匀图像,以解决超声图像灰度不均问题;在第二次分割中,提出在CV模型中加入形状先验能量项和水平集正则项,使CV模型中水平集函数在演化过程中得到先验能量项的指导,以实现最佳的图像分割。最后,利用形状先验水平集函数的位置信息,进行特征提取,并进行最终诊断。系统中的最终诊断是在结合临床诊断依据Graf判据的基础上,将提取的特征进行量化计算,并得出需要的诊断参数,将髋关节划分至对应的类别,给出最后的诊断结果及建议。本文中设计的系统已在儿童髋关节超声图像上得到验证,脱位类型髋关节能完全区分,且非脱位类型髋关节分类正确率高。整个系统具有快捷、高效、筛查率高等特点,能有效地缓解相关从业医师的劳动强度,并对儿童髋关节异常筛查的普及起到一定的推动作用。