颈动脉内中膜厚度(Intima-Media Thickness，IMT)是动脉粥样硬化早期检测的重要指标，获取内中膜厚度有利于医生预测患者的动脉粥样硬化，对颈动脉内中膜的定时定量监控与分析具有重要的临床意义。临床中，常常采用超声成像方法获取颈动脉血管图像，而后由医生手工定点或者边界描绘测量内中膜厚度。由于手工标定方式耗时且繁琐，并且存在主观误差，因此有必要通过计算机辅助诊断，采用图像处理技术，实现一套准确稳定且自动的分割算法。　　本文提出一种基于射频数据分析的内中膜提取及增强算法。该算法以原始的超声射频(Radiofrequency,RF)信号为基础，分为三个部分:在序列第一帧上，首先自动划分出感兴趣区域(ROI)，然后以自动标定的若干种子点为起始点，通过在射频域相邻扫描线之间的延迟估计算法提取出内中膜边界;在后续帧上，采用一种改进的段匹配归一化相关算法对第一帧上的目标点进行稳定准确的追踪;针对内膜不清晰不连续的特点，本文进一步提出一种射频域中的内膜增强算法，首先在射频域上利用蚁群优化算法弥合与细化内膜边界，接着利用射频扫描线信号的延迟求和算法在每一帧上进行内膜边界处的射频信号增强，在非内膜边界区域进行滤波去噪处理，最终实现增强内膜的目的。　　由临床实验结果可知:本文所提出的颈动脉内中膜厚度测量算法的实验结果与超声科医生手动测量结果的Pearson相关系数达到0.98，并且自相关系数最高可达0.99，表明本文IMT自动测量算法对于颈动脉内中膜厚度测量的临床定量检查具有较高的可行性及较好的稳定性。另外本文提出的追踪算法可以用于IMT动态检测，追踪误差保持在0.15mm之内;同时增强性能对比实验证明本文提出的射频域内膜增强算法具有较好的增强性能。另外，本套算法可以动态监测颈动脉内中膜形态的变化，从而可以得到IMT的变化曲线。