目前,由于我国肝脏疾病种类众多,发病率不断增长,人们的生命健康受到了严重的威胁,因此对于肝脏疾病的防御和治疗工作刻不容缓。但是由于人体肝脏部位的特殊性,早期的肝脏病理特征并不十分明显,从而导致病人在肝癌早期无法发觉病症,一旦出现症状进行就诊,就已经是中晚期,确诊之后其治疗难度很大、效果差,生存时间很短。因此,肝脏疾病的计算机辅助诊断技术(CAD)应运而生,在实际的临床疾病普查中提供了量化诊断,为医生提供了参考性的辅助诊断依据,对于肝脏疾病的早期诊断有着至关重要的积极影响。本文在对肝脏计算机辅助诊断技术进行深入的研究之后,以腹部CT图像作为数据源,主要做了以下两方面的研究工作:第一个研究是对肝脏分割算法的改进,提出了使用基于SFCM的置信连接两层分割方法对肝脏进行分割:在进行过对图像的预处理以提高CT图像质量的基础上,先使用SFCM算法对CT图像进行初次肝脏分割,然后使用成功分割的图像自动生成第二次置信连接算法的种子点,并加入Canny约束条件再次进行精确分割,最后空洞填充方法补足图像。经过实验的定性和定量分析,验证改进后的方法提高了肝脏分割敏感度和效率,降低了错判率。平均的敏感度高达87.65%,比传统的分割算法提高了 5%左右。最后,对三套CT图像所分割出的肝脏图像使用Marching Cubes算法进行三维模型的重建,进一步对比改进算法和传统算法的分割效果,并对三维重建的结果进行分析。第二个研究是肝脏特征提取方式,提出了基于小波变换的混合特征提取方式,为减少计算量,改进了灰度共生矩阵的特征提取方法,并结合遗传算法进行特征的选择优化,得到的精简统计特征,该特征提取方式具有更好的分类效果。通过分类准确度和ROC曲线图分析结果可得:对异常肝脏分辨准确率高达96.7%,对肝囊肿分辨也高达92.6%,肝血管瘤与肝癌分类准确率达80.3%。比单独获取的一阶统计特征、灰度共生矩阵以及未经特征选择的全部特征具有更高的分类准确率。