计算机辅助诊断(Computer Aided Diagnosis, CAD)是医生采用计算机对医学影像的处理、分析、识别、解释的结果或结论作为辅助来完成其影像学临床诊断的一种方法。CAD有三种临床应用模式、两类系统：应用于初级模式和基本模式的基本CAD系统、应用于高级模式的高级CAD系统。初级模式中的基本CAD系统能够辅助医生更容易辨识其感兴趣的事物；基本模式中的基本CAD系统能够自动识别病变或异常；高级模式中的高级CAD系统能够自动识别病变或异常并给出治疗参考意见。本课题基于变化检测技术提出了一种脑瘤计算机辅助诊断方法,能够自动检测出不同时期脑瘤的变化来,从而为医疗诊断提供解决方案,它主要包括颅脑MRI序列图像的预处理和基于OLT变换和BP神经网络的变化检测。由于偏差场的存在造成了磁共振图像的灰度不均匀,本文使用N3软件来提高磁共振图像的均匀性。患者的图像可能是来自不同时间、不同成像设备或者不同成像模式,所以必须对不同时期的图像进行配准,本文在ITK环境中,提出了一种基于最大互信息的医学配准方法,该方法对需要配准的两幅图像的灰度值不需要进行任何特别假设,也不需要对图像作分割、特征提取等预处理,精度准确,鲁棒性较高。颅骨是非弹性刚体,在提取脑组织的过程中本文先使用区域生长法提取颅骨模板,并提出了一种简便可行的形态学滤波方法。基于OLT变换与BP神经网络的变化检测算法属于一种聚类的变换检测方法。OLT变换是把原始的数据空间上属于某一感兴趣目标的点经过一种线性变换映射到特征子空间,使之具有最紧密的聚类属性。根据这一特性,图像中属于相同组织的像素点经过OLT变化到特征子空间后,会在一个特定位置形成聚类。如果某个组织发生了变化,一些数据点会较大地偏离类中心点,甚至会聚集在另一类的范围内,使得聚集性变差。根据这一特性,经过BP神经网络分类后,一些没有发生变化的组织的聚类指标基本不变,而变化组织的聚类指标则发生了较大的变化,这样就可以检测出不同时期的影像变化。本课题对所提出的变化检测算法的应用性能进行了仿真研究,结果表明算法能够较好的检测出脑瘤是否发生了变化。