随着信息技术的发展，基于计算机平台的医学图像处理和识别技术也随着飞速发展起来。在医疗诊断中运用计算机处理技术，使得图像的处理和识别以及诊断精度更高，速度更快。本文以小鼠动脉壁超声图像为研究对象，在研究分析了图像的纹理特征提取后，重点研究了BP神经网络，K-近邻算法，贝叶斯算法，决策树算法，支持向量机等分类算法并进行分别实现，并且采用了基于多种分类器的决策级融合算法，大大提高了识别率，对动脉粥样硬化有一个较好的预警效果。本文主要研究内容如下：(1)本文以小鼠为研究对象，将50只小鼠分为两组，标为apoe组与normal组，每组各25只，然后对apoe组小鼠喂食脂质含量较高的食物，normal组喂食普通食品，三周以后将两组小鼠分别置于Visual Sonics Vevo2100超声实时分子影像系统中，并提取不同电压、电流，频率条件下颈动脉壁图像数据。并在阅读和总结大量国内外文献和资料的基础上，发现单一的分类算法有无法避免的缺陷，为了弥补这一缺陷，防止在临床上对动脉粥样硬化患者的误诊，本文采用了基于5种分类器的决策级融合算法并设计了仿真预警系统。(2)为了后续小鼠动脉壁图像具有较好的特征提取效果，首先要滤除噪声的干扰，完成对原始图像的预处理仿真实验，包括中值滤波、阈值分割、图像锐化和直方图均衡化与基于直方图规定化图像增强等方法。(3)为了完成各个分类器的训练和识别，本实验手动截取了动脉壁图像，对图像进行纹理特征提取，每次以10幅图像为标准，每幅图计算20个特征参数并存为向量，并统计了大量图像的纹理特征，最后将纹理参数归一化处理，作为各个分类器的训练和测试样本。(4)在本文中分别实现了BP神经网络、K-近邻算法、贝叶斯算法、决策树、支持向量机等分类器算法完成了动脉壁的图像识别，并统计了大量图像的识别率，实验结果表明这几种算法都有着无法避免的缺陷，最后采用最大投票法的决策级融合算法。这一算法弥补了它们的不足，使得算法之间具有互补性，更好的提高了动脉壁图像的识别率，因此此系统具有较好的预警效果。