医学超声成像因具有实时性、安全性及价格低廉等特点,成为临床诊断中使用最为广泛的辅助工具之一。然而,肿瘤疾病的出现正在不断危害我们的健康,临床数据显示:早期癌症多数可治愈。因此,早期发现并正确鉴别肿瘤良恶性是减少癌症死亡率的关键。传统B模式超声成像受斑点噪声影响大而无法检测出病变组织,医学超声弹性成像技术的提出正好填补了其他成像技术的不足。它是根据不同生物组织在受到同等压力下所产生的应变程度不同而成像的,在肿瘤检测中具有重要意义。然而,超声弹性成像技术并没有摆脱超声成像系统的固有特性,使得大量噪声遍布于图像中,不仅降低图像对比度,而且对于后期临床医生的诊断起着极大的干扰作用。因此,对超声弹性图像进行噪声平滑成为我们亟待解决的重要研究课题。本文从医学超声弹性成像原理出发,介绍了产生伪影噪声的原因以及衡量医学超声弹性图像去噪质量的评价指标,然后分析了两种经典的超声伪影去噪算法。目前,对医学超声弹性图像去噪的研究并不常见,综合分析可分为两大类:复合法和快速形成的图像滤波方法。基于复合技术的去噪算法通常分为空间域和频率域,是通过对多个图像进行加权复合以达到抑制伪影噪声的功效,该算法对噪声平滑效果非常明显。但是对于受噪声影响较大的特征区域边缘部分并没有起到一定的保护作用,反而将其模糊掉了。为了缓解这一不足,本文提出了一种基于分数阶微分的医学超声弹性图像去噪算法。该算法在传统各向异性扩散的基础上,融入分数阶微分理论,并通过微分掩模算子实现其数值运算。本文对两种不同窗口大小的微分掩模算子进行了改进,并获得了扩散阈值k与微分阶数v之间的关系,使得该算法可以在抑制噪声的同时保留甚至增强边缘纹理细节信息。为了验证本文算法的有效性,本文对双边滤波算法(Bilateral Filter,BF)、传统各向异性扩散算法(Anisotropic Diffusion,通常称为Perona-Malik模型,即P-M)、及本文算法进行了性能比较,实验结果显示:无论是噪声平滑,还是边缘保留,本文所提算法均占有明显优势,且本文算法的运算时间相对BF(Bilateral Filter)算法明显降低。最后本文还对所提出的两种不同窗口大小的分数阶微分算法进行了比较,得出结论:当扩散阈值k小于10时,5×5微分掩模窗口的分数阶微分算法在噪声抑制方面相对效果更好。人体体模超声弹性图像和数字仿真超声弹性图像的实验结果表明:基于分数阶微分的各向异性扩散算法(Fractional-order Ansotropic Diffusion,FAD)能够有效保留特征区域的边缘纹理信息,且去噪后图像弹性信噪比及对比度噪声比得到明显提高,运算时间复杂度大大降低。