非典型性肺炎是一种传播快并且致死率高的新型传染病，它给我国和世界的人民健康与国家经济都造成了很严重的损失。一方面，医生可以通过自行的摸索获得SARS诊断经验，另一方面，我们也可以采用智能化的手段，系统科学地从现有数据中获得SARS症状与传播规律。研究表明SARS与一般肿炎在医学图像上有比较明显的纹理特征区别，因此本文从图像的角度出发，将图像分割，纹理分析与数据挖掘结合起来得到它们的区别并以此来对图像进行分类。 本文主要工作与特色为： 1.首先从PACS系统中提取出X胸片图像数据，通过计算图像灰度统计特征将扫描单分离出来；然后运用决策树算法将正位图，侧位图分离。 2.为了减少非肺部区域的灰度信息对纹理特征计算所造成的影响，我们采用一种半自动的图像分割算法：多分辨率下的活动轮廓模型算法提取出图像肺部区域。 3.为得到更精确的病灶位置，对肺部区域进行等面积分块，计算其各子块的纹理特征参数；最后运用决策树算法得到SARS与一般肺炎在特征参数上的区别，并以此进行分类。通过大量的实验可以证明，这种方法用于区别SARS与一般肺炎是有效的。