继发性甲状旁腺功能亢进症使PTH分泌过多，导致患者体内钙、磷和骨代谢紊乱，严重影响患者的生活质量及生存时间，需将甲状旁腺结节及时切除。超声检查具有实时、无害等优点成为甲状旁腺结节术前定位的首选手段。准确识别超声图像中的甲状旁腺结节对医生诊断治疗甲状旁腺亢进有重要临床价值。由于超声图像的复杂性及病人个体的差异性导致甲状腺结节、淋巴结易被误诊为甲状旁腺结节，因此，对超声图像中的甲状旁腺结节进行识别研究具有重要理论意义和临床应用价值。
　　针对甲状旁腺超声图像具有噪声大、灰度对比度低、背景复杂等特点，提出一种基于图像局部熵的混合水平集模型分割超声图像中的结节区域。在混合水平集模型全局项中引入图像局部熵计算全局项权重系数，提高混合水平集模型的自适应性;在局部项中利用两尺度分割，并给出基于图像熵的演化曲线自动收敛终止准则，提高分割效率，实现结节区域的准确分割。
　　基于甲状旁腺结节与甲状腺间存在包膜及位于甲状腺后方的先验知识，提出采用包膜特征参数和结节与甲状腺相对位置特征参数描述甲状旁腺结节的先验知识特征;基于结节的边界轮廓，采用致密度、归一化径向长度标准差、边界亮度变化等参数描述甲状旁腺结节的形态特征;基于结节区域的灰度共生矩阵，采用降维后的特征描述甲状旁腺结节的纹理特征。融合形态、纹理和先验知识特征，采用SVDD构建最优超球体模型，实现超声图像中甲状旁腺结节的识别。
　　实验结果表明，本文提出的图像局部熵混合水平集模型能够准确地分割结节区域，提出的先验知识特征提取方法可以准确地描述甲状旁腺结节，利用融合特征和SVDD识别甲状旁腺结节的准确率可达94.444％。本文所提出的方法为甲状旁腺结节的诊断提供了一种新的途径。