随着社会的发展,医疗水平在不断的提高,人们的饮食和生活也在不断的改善。就在公众将更多注意力投向胃癌、肝癌等疾病的时候,来自前列腺的隐疾,却悄然地成为威胁中老年男性健康的头号杀手。目前,穿刺病理检查是前列腺癌诊断中最可靠准确的手段。但是,单纯依靠人工进行检查需要投入大量的人力和物力,耗费大量的时间。近几年来随着科学技术水平的提高,计算机辅助诊断技术得到了快速发展。大量的研究表明,使用计算机辅助诊断技术可以进一步提高病理诊断的准确性。本文做了前列腺腺腔和腺泡细胞核的自动化分割识别方面的研究,根据广州军区广州总医院病理科医生的需求,提出一种基于图像分割、特征提取、分类识别相结合的方法实现前列腺腺腔和细胞核的自动化分割识别,用于前列腺癌的辅助诊断。具体步骤如下：1)首先对前列腺病理图像进行分割,以得到前列腺组织的腺腔和细胞核。其中腺腔区域的分割采用基于局部熵、最大类间方差法、形态学处理相结合的方法；对于细胞核的分割算法则首先将图像由RGB色彩空间转为HSV色彩空间,再选择亮度特征明显的V空间,采用直方图拉伸、基于最大类间方差法和形态学处理方法进行分割,最后采用分水岭算法对粘连的细胞核进行去粘连,得到完整独立的细胞核。2)提取腺腔区域和细胞核区域的纹理特征,通过计算图像不同方向上的灰度共生矩阵并计算各自的纹理特征量,得到对比度、能量、熵和相关性等14种纹理特征。采用主成分分析法对得到的纹理特征进行降维操作,将原始的高维特征空间转换到了低维空间,简化特征。3)选择SVM分类器作为识别腺腔和细胞核的分类器,使用高斯径向核函数作为SVM分类器的核函数,并使用网格搜索法结合K折交叉验证法寻找SVM分类器的最优参数组。实验结果表明,文中提出的对前列腺腺腔和腺泡细胞核实现自动化分割识别的方法具有较高的可行性,为后续前列腺癌的识别工作打下良好的基础。