随着可视化技术的不断发展，现代医学已越来越离不开医学图像的信息，医学图像诊断在现代医疗中占有极为重要的地位，医学图像在临床诊断、教学科研等方面有着极其重要的作用。 本论文主要针对肾小球组织的提取对医学图像的识别技术进行了研究。论文中首先分析了肾脏组织切片图像在制作过程中造成的图像本身的一些复杂特点，以及其给提取工作带来的困难。为了逐一解决这些困难，运用了色彩空间变换以及BP神经元网络的方法对图像进行分类和阈值处理，利用数学形态学和计算机图形学以及数值分析中的插值等方法对图像进行了细化、间隙连接、链码、种子填充、边界拟合等处理。经过这些方法的处理之后，成功的提取出了图像中规则形态的肾小球组织，并且对于不规则形态的肾小球组织给予了其所在局部区域的定位。其中，在对图像进行二值化时，论文首先对不同染色条件下的组织切片图像进行分类，对每个类别设计一个BP神经元网络分别进行图像处理，这种方法很好的解决了难以定义图像颜色特征的困难，对于后面的提取工作具有很重要的意义。通过对肾小球组织提取的课题研究，使得本人对医学图像的识别技术有了更加深入的理解。 本论文的研究主要利用了计算机技术和图像处理技术把肾脏组织切片中的肾小球组织自动检测提取出来，方便了对肾小球后期的分析和得出相关数据，这也将会对于解放人力，节省时间，减少误诊率以及对利用肾活检技术对肾脏发病机制的研究都具有重要的意义。 论文的最后，把在攻读学位期间所研究的基于医学图像识别技术的另一应用特例——基因图像的自动诊断技术给予了简单的介绍。