医学超声图像与计算机X射线断层造影术、磁共振成像、核医学成像并称为现代四大医学影像技术,其中超声成像由于其独具的实时性、无损性、廉价性、可重复性好、灵敏度高等优势而广泛应用于临床诊断和治疗中,它在人体内部组织器官的定量分析、实时监控和治疗规划等方面都具有极大的潜力。利用医学超声图像进行医学诊断时,常需要提取特定的组织器官或部位,以便更好地对其进行分析和诊察,这就需要以图像分割作为手段。虽然目前国内外已经存在很多各种不同的图像分割方法,但是由于医学超声图像本身固有的斑点噪声和与组织相关的纹理特性,使得医学超声图像分割一直以来成为世界性难题之一。针对这一现状,本文旨在通过对主要图像分割方法在医学超声图像上的使用进行研究和探索,改进或提出适用于医学超声图像的处理方法,这同时也是对低信噪比图像处理的有益探索。 本文首先对医学超声图像分割方法进行了总结,其后对几种经典的或已在某些医学图像中使用过的图像分割方法进行了较为全面的分析,并给出了它们对医学超声图像的分割结果。由实验结果可以说明这些方法对于存在固有斑点噪声和纹理特性的医学超声图像并不能得到满足临床需求的结果,本文对其存在的问题也进行了简要的探讨。之后,本文对一种新型的生物仿真的神经网络——脉冲耦合神经网络作了深入的研究,针对其本身存在的网络参数选取的问题,提出了相应的改进算法,得到了较好的实验结果。此外,本文还将脉冲耦合神经网络引入到医学超声图像处理中来,首次提出了基于脉冲耦合神经网络的医学超声图像增强方法,得到了较好的图像增强结果,为后续分析提供了比较可靠的保证,并阐述了该方法也可作为一种多值分割方法的原因。同时,本文也通过上述实验证明了脉冲耦合神经网络是一种具有很大应用潜力的医学超声图像处理工具。