设计和实现磁共振图像纹理分析平台，探索基于磁共振图像纹理分析方法对肝脏肿瘤恶性程度进行恶性程度轻级重级分类的算法，可为肝脏肿瘤恶性程度轻重级分类提供新的无创无毒副作用的技术手段，提高肝脏恶性肿瘤的诊疗水平。　　首先探索对肝脏肿瘤恶性程度轻级重级进行自动分类的算法。选取140例肝MR图像，交互式分割得三维MR感兴趣区域ROI140个(恶性程度分级轻级70个，重级70个)，提取出242个特征，用基于特征分组和特征排序的特征选择法做特征选择后，对SVM分类器进行训练，测试准确率为0.61。实验结果并不理想。接着分别选用多尺度下的LOG滤波器，Gauss滤波器，Gabor滤波器和均值滤波器对肝脏MR图像进行降噪处理，把各个尺度LOG滤波后提取的纹理特征与未经滤波图像提取的纹理特征拼接后，选用基于特征分组和特征排序的特征选择法选择出新的特征空间作为分类器输入，用SVM分类器来对肝脏恶性肿瘤恶性分级准确率分别为0.8。对Gauss滤波器、Gabor滤波器以及均值的级准确率分别为0.72，0.70，0.63。把各滤波器各尺度下的纹理特征全部拼接，然后特征选择，用SVM分类器对肝脏恶性肿瘤恶性分类准确率可达到0.85。然后基于以上研究，设计和实现了针对三维MR图像的肝纹理分析Matlab平台。　　实验结果表明，经过降噪处理和特征拼接以及特征选择后，分类性能会有所提升。把各尺度各种滤波器处理后的MR图像提取的特征做拼接并进行特征选择，分类准确率提升得最高。SVM分类器相对于BP神经网络和KNN更适用于肝脏肿瘤恶性程度轻级重级分类。