肝硬化是一种常见的肝脏疾病，在我国具有高发人群。所以，对肝硬化进行早期的诊断和治疗是非常必要的。但是，目前在我国对肝硬化的自动诊断还没有形成有效的体系，尤其是利用先进的医学图像进行肝硬化的数字化诊断研究方面还很落后，与发达国家的水平差距还很大。为此，本文提出了一种基于核磁共振图像和神经网络技术的多种信息融合的肝硬化图像诊断新技术。充分利用现代图像处理方法，来提取出肝脏病灶部位并向医生提示计算机自动诊断的初步结果，辅助医生进行肝硬化的诊断。 本文提出了一种基于肝脏纹理特征和形状特征的肝硬化综合诊断方法。该方法首先对提取出的肝脏图像进行感兴趣区域(ROI)的自动查找，在此基础上，利用共轭梯度法对ROI进行自动的纹理分析，提取纹理特征参量，然后通过神经网络进行诊断，得出肝脏纤维化的程度；其次，对肝脏形状进行分析，找出肝左叶的角度，判定肝左叶钝化的程度；最后利用一个二元一次函数进行综合诊断，判断肝硬化程度。该方法既考虑了肝硬化纹理方面的表现，同时也考虑了肝脏形状变化所带来的信息，实现了诊断的多信息化来源，有利于提高肝硬化的正确识别率。通过实际MRI图像的肝硬化的识别测试，证明了本文方法的有效性。