乳腺癌是危害人类健康的恶性疾病之一。目前,早期检查和早期治疗仍是提高乳腺癌治愈率的关键。超声医学技术是继X线钼靶照相技术和CT后,在医学中发展最为迅速、应用最为广泛的乳腺疾病检测技术。计算机辅助的乳腺癌早期诊断是乳腺影像领域中的一项新技术,能够改善原始乳腺影像的质量,辅助医生做出诊断结果,提高乳腺癌的诊断率。图像分割在医学超声图像的定量、定性分析中均扮演着十分重要的角色,它直接影响到乳腺癌计算机辅助诊断系统(Computer Aided Diagnosis,CAD)的后续分析和处理工作。本文对近年来用于乳腺癌早期诊断的超声图像分割技术进行了研究,详细分析了各种方法的技术要点,并对其优缺点作了全面的对比和总结;提出了一种新颖的基于一致性的超声乳腺图像分割方法:通过纹理信息、边缘信息建立一致性定义,利用一致性直方图和最大信息熵法则求出一致性阈值,把超声图片分为一致性区域和非一致性区域,求出一致性区域直方图谷值作为该集合的分割阈值,而用邻域信息分割非一致性区域。算法既考虑了图像的局部信息,又考虑了全局信息,克服了传统的基于直方图分割算法无法两者兼顾的缺点。算法处理结果得到了超声医学专家的认可;通过采用差异实验方法评估,取得了较理想的效果。该算法能够有效地分辨出乳腺超声图像中的肿块,辅助放射科医生作出诊断。