骨肉瘤(Osteosarcoma)由肿瘤性成骨细胞、骨样组织所组成，为起源于成骨组织的恶性肿瘤，在原发性恶性骨肿瘤中发病率仅次于多发性骨髓瘤，占原发性恶性骨肿瘤的20％，且好发于10-25岁的青少年，发病快，恶性程度高，预后差，致死率和致残率极高，对人们健康危害极大。目前对骨肉瘤的早期诊断主要依靠X线(CR/DR)检查，确诊需要依靠组织活检。一般单凭X线检查，半数以上的病例可获得确诊。但是由于骨肉瘤的CR影像表现很复杂，易造成非典型性病例的漏诊或误诊；且由于人眼分辨率的限制，目前影像科医生只能依靠经验依据骨肉瘤的整体形态进行定性诊断。为了充分利用CR图像提供的信息，为影像科医生的诊断提供有用的参考信息，有必要采用数字图像处理技术，提取和分析CR图像的深层隐含信息。本课题是在省科技项目——“骨肉瘤影像诊断特征指标及其多源信息特征库的建立研究”的基础上，进一步扩充CR图像纹理特征提取方法，用Haar小波、Daubechies小波和Symlet小波提取肿瘤疾病CR图像的新识别特征；参比基于灰度共生矩阵提取的特征，比较三种纹理特征提取方法的特点和适用范围，探讨新增特征用于疾病诊断识别的有效性，进而在前期课题研究的基础上，改进和完善基于CR图像纹理特征提取的骨肉瘤辅助分析系统(以下简称骨肉瘤辅助分析系统)的功能　　 目的：在原有研究成果的基础上扩充CR图像纹理特征提取方法，采用haar小波、Daubechies小波和Symlet小波变换提取CR图像的新识别特征，完善基于骨肉瘤CR图像纹理特征提取的辅助分析系统的设计与构建。　　 方法：(1)在运行于Windows操作系统平台的Visual C++6.0开发环境下，应用GTK+工具包，以C语言为开发工具，为骨肉瘤辅助分析系统增加2个功能模块：①消除噪声影响的CR图像预处理模块；②纹理特征提取的小波变换算法模块。其中小波变换算法采用的是haar小波、Daubechies小波和Symlet小波；提取的特征值包括小波变换子通道的均值、方差和能量以及熵。(2)增加骨肉瘤CR平片病例至50例，对采集的CR图像首先利用中值滤波和小波变换去噪法消除脉冲及高斯噪声，然后用灰度共生矩阵、自动分割和小波变换等算法提取CR图像研究区域的纹理特征，分别对各类方法所提取的特征进行对比检验分析，研究其用于诊断识别的有效性。同时采用临床上难于进行鉴别诊断的骨髓炎和骨肉瘤CR图像病例数据做统计检验分析，寻找具有鉴别诊断价值的纹理特征，建立有用特征值的初步标准，为影像科医生利用CR图像做出骨肉瘤的早期诊断提供参考，进而完善骨肉瘤辅助分析系统的设计与构建。