研究乳腺肿瘤超声图像的计算机辅助诊断(Computer Aidded Diagnosis：CAD)方法和系统，以客观、准确地判别乳腺肿瘤的良恶性，为医生的临床诊断提供参考意见，对医学临床具有重大意义。本文的研究内容主要由三部分构成：乳腺肿瘤超声图像的边缘提取、特征分析和分类器实现。并对各部分存在的一些问题进行探索和改进，为乳腺肿瘤超声图像的计算机辅助诊断在临床上的应用作了一些有意义的基础工作。 在乳腺肿瘤超声图像的边缘提取部分，针对乳腺肿瘤超声图像存在的特点，如对比度低，斑点噪声大，部分边缘缺失，肿瘤内部微细结构分布复杂(如血管，钙化灶等)，恶性肿瘤可能的复杂形状等，采用了相应的预处理方法，如非线性各向异性扩散滤抑制斑点噪声，形态学滤波器平滑图像，直方图均衡化提高图像的对比度，并引入目前成功应用于心脏MRI图像中心室内壁检测的广义梯度矢量流场的参数活动轮廓线模型，自动提取乳腺肿瘤超声图像的边缘。 针对目前非线性各向异性扩散滤波没有受对数超声图像的斑点噪声模型的限制，将Loups提出的经对数压缩的超声图像斑点噪声模型，通过附加能动项引入到非线性各向异性扩散中，通过能量最小化，估计附加能动项最优权值，保证滤波满意的结果，同时解决非线性各向异性扩散受迭代次数和斑点噪声尺度函数影响很大等问题。 针对克服传统Snake两大难题的梯度矢量流场Snake收敛速度慢，从解梯度矢量流场扩散方程等效大型稀疏线性方程组的求解，充分利用大型稀疏对称正定矩阵的特点，采用预处理共轭梯度法快速求解梯度矢量流场：同时对Kass提出的基于不完全松弛法求能量极值，在曲线参数化高分辨率下(即采样点之间距离很小)，求高维逆矩阵，耗时很大，采用改进的不完全松弛法，只须求5维逆矩阵，加速求能量极值。 在乳腺肿瘤超声图像的特征分析部分，通过分析良恶肿瘤在超声图像上的区别，结合医生的临床经验提取了一些识别能力高、鲁棒性强，不依赖采集系统的形态特征和纹理特征，如结合信号处理知识获得的径向距离谱描述子，能很好地描述乳腺肿瘤超声图像良恶的不同形态：结合多分辨率的小波分析提取的特征参数能很好地度量乳腺肿瘤超声图像良恶性的不同纹理。采用类间距和和顺序前进搜索算法进行特征选择，获得有效的特征矢量，同时也节省系统运行时间。 在乳腺肿瘤超声图像的分类器设计部分，设计四种比较有典型代表意义的分类器：基于小样本机器学习理论的支撑向量机，理论上最优的分类器贝叶斯决策，有监督学习的人工神经网络(BP网络)和Fisher线性判别法，并结合四种模式分类方法的实验结果分析各模式分类方法的优缺点，选择泛化能力强的分类器作为乳腺肿瘤超声图像的计算机辅助诊断系统的分类器。基于本文提出的乳腺肿瘤超声图像的计算机辅助诊断系统，对来自不同超声仪器临床采集的200例乳腺肿瘤超声图像(其中良性92例，恶性108例)，随机划分训练集和测试集各半，实验结果为准确率96％，敏感性为98.2％，特异性为93.5％，阳性预测价值为94.6％，阴性预测价值为97.7％，表明该系统对乳腺肿瘤超声图像的良恶性识别的有效性，有望为临床诊断提供有价值的参考意见。