圖像分割是前期的工作重點，主要使用了現成的軟件來完成圖像分割任務：3DMed（中國科學院自動化醫學圖像處理研究所）。
該軟件集成了6種分割算法插件，按照官方文檔的說法，區域生長算法特別適合於分割小的結構如腫瘤和傷疤，下面是使用3DMed加載的原始29189000016.dcm圖像：
下面是使用區域生長算法對腫瘤的分割結果：
其中Different Value和Change Value為控制區域增長的兩個參數，通過實驗發現選取2和10效果較好。
下面是分割後的保存結果：
3DMed中會自動將結果文件名保存為29189000016_segmented.dcm。
但是該算法需要人工交互獲得種子節點，自動化程度不高。同時區域增長算法對噪聲敏感，導致抽取出的區域有空洞或者無法正確抽取出感興趣區域。
特征提取就是從分割的區域中提取出描述該區域特征的壹些數據，這壹步的工作使用了兩種方法進行探索。
使用MATLAB進行常用的基本統計特征的提取，該方法可以提取出 壹階統計特征 （描述感興趣區域內各提速參數的分布，通常是基於直方圖進行分析），在MATLAB中簡單的區域描繪如下：
l 周長：區域邊界的長度， 即位於區域邊界上的像素數目．
l 面積：， 區域中的像素總數．
l 致密性：（周長） 2/面積．
l 區域的質心．
l 灰度均值： 區域中所有像素的平均值．
l 灰度中值： 區域中所有像素的排序中值．
l 包含區域的最小矩形．
l 最小或最大灰度級．
l 大於或小於均值的像素數．
l 歐拉數： 區域中的對象數減去這些對象的孔洞數。
MATLAB中的regionprops(L, properties)函數可以用來計算區域描繪特征：首先使用bwlabel(I, n)對圖像I進行n（4或者8）連通標號，然後使用regionprops()進行統計計算。
Mazda是壹個圖像紋理分析的工具，可以自動對圖像進行特征提取。下面是使用Mazda加載分割好的結果：
下面是對分割結果進行特征提取的結果：
對於Feature name的表示現在還沒有完全搞明白，正在研究。
Mazda還可以進行 高階統計量 的提取（就是進壹步加入了過濾器），小波分析就是高階統計量的壹種，下面是小波分析的結果：
同時可以手動對Features進行feature selection，然後保存選擇的結果。