恶性黑色素瘤(maligment melanoma)又称黑色素瘤，是一种恶性程度较高，临床预后较差的恶性皮肤肿瘤。在西方国家属于发病率前5位而死亡率第1位的恶性肿瘤，而在亚洲国家包括我国的发病率很低，但是，由于我国人口基数大，绝对发病人数也很多。尽管恶性黑色素瘤危害严重，但由于在我国的发病率较低，未引起人们足够重视。由于人们对其严重性认识不足，一般在就诊时往往为时已晚，治疗效果极为不好，针对这一问题，我国相继也建立了相应的专业委员会，这标志着越来越多的人开始关注恶性黑色素瘤对于人类身体健康的影响。恶性黑色素瘤的成功治疗依赖于早期诊断。因此，在临床上，早期发现与诊断对于治疗黑色素瘤来说具有非常重要的作用。恶性黑色素瘤几乎60％由黑色素痣恶变而来，所以如何正确识别良性痣与黑色素瘤，对于黑色素瘤的早期诊断、治疗尤为重要。目前，临床上常用的恶性黑色素瘤诊断方法是通过活体组织检查，依据“ABCD”准则即形状不对称(asymmetry)、边缘不规则(irregular)、颜色不均匀(nonuniform)、病变区直径(diameter)通常大于6mm四个准则，通过肉眼来识别恶性黑色素瘤。这种方法虽使用起来非常简单快捷，但诊断准确度低、误诊率高，而且需要从人体取出小部分活体组织来进行检查，这给病人带来了痛苦。随着电子和计算机技术在医学临床与医学研究上的广泛应用，出现了许多非侵入式的光学成像设备以用于辅助临床工作者进行恶性黑色素瘤的诊断。其中，皮肤镜就是一种临床上常用的用于检查皮肤着色病变的辅助诊断工具，它是一种二级诊断工具，使用时仍需先通过肉眼来确定疑似病例，然后进一步用皮肤镜来进行验证，其次，皮肤镜的分辨率有限，无法观察皮肤不同层面的病理变化以及细胞甚至亚细胞层的结构变化，因此仍然存在着误诊和漏诊现象。激光共聚焦扫描显微镜(Confocal laser scanning microscope，CLSM)又称“皮肤CT”是一种非侵入式光学成像设备，它所具有的超高分辨率、良好的图像对比度和连续光学切片等功能使其可在细胞层面上进行在体、无创、实时、动态成像。由此可见，CLSM必将成为一种无创、安全可靠、早期诊断黑色素瘤的新成像工具。然而，利用激光共聚焦扫描显微镜通过肉眼来识别恶性黑色素，不仅需要临床工作者接受一定的训练以熟练地操作激光共聚焦扫描显微镜，而且需要观察者具备必要的专业知识和临床诊断经验。在近十年来，国外开始了针对激光共聚焦扫描显微境的临床应用研究和相关自动检测方法的理论与算法研究。本文将依据黑色素瘤在激光共聚焦扫描显微镜(CLSM)下所得到的图像，综合利用计算机纹理分析、信号处理和机器学习中的相关理论与算法，研究一种基于图像小波特征的在体恶性黑色素瘤的计算机辅助诊断算法。　　 本文重点介绍了该研究的两个部分内容。第一部分是图像纹理分析，主要实现了频谱分析法中小波变换法，首先将CLSM图像进行小波变换，然后提取小波特征。基于皮肤CLSM图像研究良性与恶性黑色素瘤在不同尺度下的纹理特征及相关统计特性，进而提取良性与恶性黑色素瘤在CLSM图像中的纹理特征。第二部分是分类模块，提取出纹理特征之后需要采用特定的机器学习算法对其进行分类。CART是一种具有纵向分析特征的树型结构，其分析结果的过程与临床思维十分相似，因而容易被临床医生理解和接受。另外本文还对常用决策树算法中ID3算法和目前较主流算法Adaboost算法进行比较试验，探讨合适的分类器提高分类识别率，从而对算法的分类性能进行改善。本研究共分为五章，每章都有详细的文字描述和图形说明，并且在介绍算法验证实验结果时，还以表格的形式给出了算法比较的计算结果。第一章阐述了黑色素瘤诊断治疗方法的发展背景以及本文所借助的新型辅助成像工具激光共聚焦扫描显微镜，介绍了课题的研究意义与目的，对本文的主要研究内容和文章结构安排进行了说明。第二章概述了目前黑色素瘤辅助诊断的国内外概况和一种计算机辅助诊断算法的方法介绍以及该方法的不足。第三章具体介绍了本文基于激光共聚焦扫描显微镜的黑色素瘤计算机辅助诊断算法，主要包括两个部分:纹理特征描述与提取和纹理特征分类。分类模块部分还选用其他两种机器学习算法进行比较实验。第四章给出了各类算法具体实现步骤，并对其测试，最后将实验结果进行分析比较。第五章从总体上对本文的工作进行了总结和展望。该算法基于激光共聚焦扫描显微镜（皮肤CT）皮肤图像的小波特征，结合计算机的分析计算和相关算法，辅助医师识别出黑色素瘤与良性痣图像，从而实现了黑色素瘤的计算机辅助诊断。与传统诊断方法相比较，该计算机辅助诊断算法不但提高了恶性黑色素瘤的诊断准确率，降低了良性痣的误诊率。与临床病理金标准相比，它也具有较好的一致性，并且还弥补了传统的病理切片的缺点。