骨质疏松骨折的发生，与骨微结构的完整有关。传统的骨组织形态计量学是评价骨微结构的金标准，但其明显的缺陷是：忽视了骨小梁各向异性特征，而造成结构测量的不准确性。 .我们发现，纹理分析可将去卵巢骨质疏松大鼠骨组织切片与正常大鼠有效区分，并筛选出具有显著性差异的特征参数和最优算法。以上发现激发我们进一步尝试：（1）将纹理分析与骨组织形态计量学相结合，获得各向异性指标。（2）纹理分析不仅能分析骨组织中骨小梁的差异性，也能针对骨细胞进行图像分类识别，获得骨细胞的各向异性指标。即希望借助特征纹理来区分不同类型的骨细胞，甚至辨别出，药物给药后，骨细胞纹理特征的变化，拟将共生矩阵与分形方法相组合，加入颜色参量，对骨细胞行分类识别。（3）将优化的算法融入纹理分析中，提高骨组织形态定量分析的精度和准确度。以上工作将完善对骨微结构的评价，更为基于纹理分析的骨组织形态定量分析系统奠定基础。

The occurrence of osteoporotic fracture is related to the completeness of the micro structure of bone. Although considered as the gold standard for evaluation of bone micro structure, traditional bone histomorphometry has an obvious defect, which is neglecting anisotropic characteristics of bone trabecula, causing inaccuracy in structural measurement. .We found that texture analysis can effectively distinguish the bone tissue slice of the ovariectomized rats with osteoporosis from the normal ones and find the parameters with significant difference and the best algorithm. Based on this discovery, we made further trials: (1) combined texture analysis and bone histomorphometry to obtain anisotropic index. (2) Since texture analysis can not only analyze the difference of bone trabecula in bone tissue, but also make image classification recognition on bone cells. Furthermore, it can also recognize changes of texture features of bone cells after medicines are used, we combined co-occurrence matrix and fractal methods, added color parameter, and made classification recognition on bone cells. (3) Integrated optimized algorithm in texture analysis to improve the precision accuracy of morphological quantitative analysis of bone tissues. Above work can improve the evaluation of the micro structure of bone and establish foundation for the morphological quantitative analysis system of bone tissues based on texture analysis.

骨质疏松骨折的发生，与骨微结构的完整有关。传统的骨组织形态计量学是评价骨微结构的金标准，但其明显的缺陷是：忽视了骨小梁各向异性特征，而造成结构测量的不准确性。本项目基于前期基础，希望从纹理分析角度阐述骨质疏松骨组织的纹理特征。主要研究内容包括①建立去卵巢骨质疏松动物模型，借助纹理分析，对骨组织的各个结构(主要是骨小梁和骨细胞)进行图像分割和纹理提取，得到各项定量的纹理参数，针对提取的特征参数进行特征降维和特征选择，为后期图像识别和图像分类奠定基础。②在对骨组织进行定量分析的过程中，同时关注基于灰度和纹理参数的组织分类算法的改进和优化，从而不断的通过图像验证和优化算法。重要结果如下：通过灰度共生矩阵(co-occurrence matrix)和游程长度矩阵(run-length matrix)方法来获取纹理特征，共获得熵、对比度、游程因子等15个特征参数，再利用这些特征参数，应用基于度量的SVM分类算法进行分类。最终发现基于度量的SVM分类算法比单独使用度量学习或SVM的识别率都要高，而且分类结果稳定。该内容已经整理成论文且发表。②低倍镜下进行图像纹理提取可避免了高倍镜下的图像分割问题，但是低倍镜下图像分辨率低，导致纹理参数识别率低。本研究将形状参数和纹理参数这两种不同模态下的图像特征参数结合，并考虑了方向和距离对纹理参数的影响，比常规方法有着明显的优势，具有很好的应用价值，有利于在设备条件不太好、人工诊断图像特征不明确的情况下提供更有效的特征分类依据。该数据已经整理成文，且被录用待发表。