超声成像技术由于其独具的实时性、无损性、廉价性、可重复性好和灵敏度高等优点使其成为临床诊断的首选影像方法。然而由于超声成像机制导致了医学超声图像质量低下，从而使得用人工判读的方式具有很大的主观性。因此，如何通过计算机对超声图像进行图像处理以提高图像质量，分离感兴趣目标、提取组织特征和根据这些特征为医生提供较客观的辅助诊断成为临床急需解决的问题。为此，本文将重点围绕超声图像分割进行深入研究，取得的具体研究成果包括：1、针对超声图像的特征提取方法进行了研究。图像像素的两个主要属性为灰度值和纹理值，本文选择目前医学超声图像的纹理特征的提取的两种主要方法：基于统计的灰度共生矩阵和Laws能量滤波模板，对超声图像的每个像素提取灰度值和对应的纹理值作为脉冲耦合神经网络的输入。2、利用脉冲耦合神经网络实现超声图像的初始轮廓提取。脉冲耦合神经网络(PCNN),通过模拟哺乳动物的视觉特性对图像进行处理和分析，能够取得较好的结果。但是，PCNN数学模型中种门限系数、时间衰减常数、链接系数等参数，控制着网络运行效率。因此本文通过对这些参数选择进行改进，从而使用改进的脉冲耦合神经网络对超声图像进行初始轮廓提取。3、采用改进的主动轮廓模型对超声图像进行精确分割。针对目前主动轮廓模型不能有效分割具有复杂结构图像的缺点，本文利用基于云模型的差分进化算法对主动轮廓模型进行改进，实验结果表明改进的算法能够有效分割具有复杂结构的颈部淋巴结超声图像。