由于医学图像成像原理的特殊性、人体组织的复杂性以及对诊断结果要求严谨，目前，在临床医疗中依然是以人为主，计算机图像技术为辅方式治疗，这也增加人力负担，同时也有更高的专业和经验要求，正是这样，更加自动化的计算机辅助诊断技术一直是研究所追求的目标。在病变诊断前，有着大量图像处理的工作要做，这对人工来说工作量巨大，并且有着较高的精细度要求，自动化图像处理也是计算机辅助诊断系统的研究重点。
　　本文主要研究对象是眼球甲状腺CT图像。为了识别CT图像是否异常，需对图像进行预处理和特征提取及识别。首先尽可能小地截取图像感兴趣的区域，然后从截取后尺寸更小的图中提取数据特征，并设计分类器对图像进行识别。识别结果好坏与图像处理效果，特征选择和分类器设计都有着很大的关系。针对甲状腺相关眼病，本文从图像数据预处理和图像识别两个方面考虑，跟据图像的特点做了适当的预处理工作，以达到一个较好的图像处理效果，最终通过已有的不同算法对图像进行了识别分类，本文主要工作如下：
　　(1)图像预处理是医学图像处理的难点，也是计算机辅助诊断系统中的重点，本文对原始CT图像数据做一系列的预处理工作，在对图片感兴趣区域进行分割的过程中，图像中病灶区域的有效信息占比逐步提高，得到了不同有效信息占比的实验数据样本，对不同样本实验识别率进行比较。
　　(2)针对数据集图像的特点，选取相应图像特征，分别使用bp神经网络和卷积神经网络进行识别，并对相应的bp神经网络和卷积神经网结构进行了设计与改进，改进了网络的性能，并对不同效信息占比的图像进行实验比较。