中国地区癌症发病数在不断增加,与全世界其他很多国家一样,癌症正成为人民健康的重要威胁之一。其中乳腺癌是发病率较高的癌症之一,临床表明,如果乳腺癌能在早起筛查发现并治疗,康复的概率将大大提高。到目前为止,利用超声诊断,根据不同组织有不同的回声强度和不同的衰减程度,可以对乳腺癌的筛查判断准确率大大增加。由于不同年龄阶段和地区的发病高位人群不一样,医院接到的筛查数量也逐渐增加,长期人工的进行判断很容易造成医生疲劳与诊断上的误差,如果能利用计算机辅助系统,自动化的帮助医生完成一定的初期筛查任务,对医生和医院的诊断压力将大大减少。在超声医学图像处理领域,往往是先通过对目标图像进行分割后再对其进行识别。本文的主要研究方向就是对超声图像进行目标分割,其利用的是医学图像语义分割的方法。医学图像的语义分割方法是通过对目标图像的像素点或像素块进行分类,确定每个像素点或像素块的类别,以达到分割图像的目的。本文利用基于空间上下文特征去研究超声医学图像的分割方法,以期获得更好的分割效果。本文首先对国内外图像分割领域的研究现状进行分析总结,然后再选取了医学图像领域使用较为广泛的方法对其进行分析总结。接下来提出了本研究的分割方法思路:由于超声图像存在噪声严重、对比度低、边缘不清晰等问题,仅仅依靠灰度信息分割图像效果较差。本研究引入Gabor纹理特征信息,用于弥补灰度信息的不足,提高分割效果。由于超声乳腺图像具有强烈的结构信息,因此本研究提取空间上下文特征,DSC(direction-aware spatial context feature)特征,并利用RNN网络的思想进行实现,提高分割模型对位置信息利用效果。实验表明,本研究提出的基于纹理信息和位置信息约束分割模型在超声乳腺图像的分割问题取得了一定的效果。