近年来,乳腺癌已成为当今女性发病率最高的恶性肿瘤,严重危害女性健康。早期检测是防治乳腺癌最重要的手段。由于具有检测有效,无放射性,性价比高等优点,超声图像检测成为乳腺肿瘤检测最主要的手段之一。为了提高诊断的质量和客观性,基于乳腺超声图像的肿瘤分类技术作为一种计算机辅助诊断技术越来越多地应用于临床诊断之中。此技术主要针对乳腺超声图像进行处理,以区分肿瘤的良恶性,为医生提供辅助诊断信息。其中,自动化的肿瘤分类技术具有客观性强、操作效率高等优点,对临床诊断具有积极的意义。在临床诊断中,自动肿瘤分类技术已成为一种迫切的需求。但是,在现有研究中,自动肿瘤分类技术尚未完全实现。本文主要针对肿瘤自动分类的两个关键问题,肿瘤特征区域的定位和存在肿瘤定位差异的条件下的肿瘤分类进行研究。在本文中,主要提出了以下几个肿瘤定位与分类方法。1.基于局部纹理信息的近似肿瘤区域定位乳腺超声图像结构较为复杂、图像的质量较低是影响肿瘤特征区域定位效果的主要原因。本文为了解决这一问题,首先提出了对近似肿瘤区域进行自动定位的方法。利用这一方法,可以生成一个与实际肿瘤区域接近的近似肿瘤区域。基于这一结果,可以为后续步骤提供便利的条件。该方法基于局部纹理信息和统计学习方法,将超声图像分割问题转化为一个分类问题。在该方法中,首先对乳腺超声图像进行基于模糊逻辑的增强。然后,将图像分为大小相等的块,提取每块中的局部纹理信息作为特征。提取特征后,建立一个基于支持向量机方法的分类器,将所有图像块分为“肿瘤”与“正常组织”两类。最后,在通过分类产生的二值化图像中,利用医学背景知识找到合适的近似肿瘤区域。本章方法的结果可以为后续步骤提供三种输入条件:(1)作为感兴趣区域用于对肿瘤的精确定位;(2)作为其他肿瘤定位方法的初始条件;(3)作为肿瘤特征区域直接用于肿瘤分类。实验结果证明,这一方法生成的近似肿瘤区域与实际的肿瘤区域较为接近,基于这一结果生成的输入条件可以有效地帮助后续步骤顺利进行。2.基于灰度概率密度差异与局部边缘信息的精确肿瘤区域定位本文提出了一个基于灰度概率密度差异与局部边缘信息的主动轮廓模型用于肿瘤区域的精确定位。该方法其主要有如下两个特点。首先,该方法以各区域中的实际灰度概率密度分布和估计概率密度分布的差异为基础建立分割模型。在该方法中,估计概率密度分布模型通过超声图像的背景知识建立,可以合理地对超声图像中的各区域的灰度分布建模。在此条件下,通过最小化实际概率密度与估计概率密度之间差异,可以使分割后产生的各区域中的实际灰度概率密度具有合理的分布,从而获得较好的分割结果。其次,该方法在原始超声图像上考虑全局信息的同时,在经过降噪的图像上利用局部边缘响应建立局部信息模型。这种建模方式综合考虑了现有超声图像方法中利用或者去除speckle噪声的不同思路,充分考虑了超声图像中的不同信息。该方法通过水平集方法和有限差分方法实现曲线演化。在实验中,通过与一系列现有方法对比,证明该方法可以有效地对乳腺超声图像进行分割,确定乳腺肿瘤的精确位置。3.基于局部纹理特征的超声乳腺肿瘤分类在现有乳腺肿瘤分类方法中,肿瘤特征区域的定位结果与实际肿瘤区域之间经常存在差异。这种差异严重影响了肿瘤分类的效果。在本文中,提出了一种对肿瘤特征区域的定位差异具有健壮性的肿瘤分类方法。其主要思路是在肿瘤特征区域中选取一系列分类检查点。对每个分类检查点提取其周围的局部纹理信息作为特征,并基于支持向量机方法建立一个分类器将每个分类检查点分为良性或恶性。最后,通过投票方法判定肿瘤的类别。实验结果证明,该方法可以有效地对肿瘤进行建模和分类,同时,其对于肿瘤特征区域的定位差异具有较好的健壮性。