乳腺癌是女性患者中发病最高的癌症,不仅对女性的身体健康造成了极大的危害,也对她们的心理和生活也造成了极大的困扰。临床研究表明,如果能够在乳腺癌早期及时发现并有效治疗,能极大的提高女性患者的生存率。医学影像检查中的超声成像技术,凭借着低成本、诊断效果好、成像质量不错、对人体无伤害以及小巧灵活等特点,成为了乳腺诊断中的常规检查手段。计算机辅助诊断(CAD)由于能帮助医生进行诊断,有效的提高诊断的准确性和客观性,减少医生诊断过程中的失误,提高诊断的效率,而被广泛的应用到乳腺癌的诊断中。计算机辅助诊断中病变位置的定位直接影响到后续的定性定量的分析,病变部分的图像分割成为了计算机辅助诊断中最为重要的部分。目前对于肿瘤的分割方案大部分都不是全自动的,这些方案在使用的过程中需要医生进行配合如选取种子点、圈定ROI等行为。当需要处理的数据量比较大的时候,会对医生的工作产生负担,拖慢工作节奏,更容易使得医生产生错误的判断。乳腺的超声图像可以通过各种不同设备进行采集,这些设备采集到的图像质量上存在着比较大的差异,比如分辨率低、细节丢失、清晰度低、对比度低等。目前的分割方案往往是针对某一种设备采集到的图像为基础进行分割的,能够处理多种不同图像质量乳腺超声图像的方案较少。现实情况下超声设备往往是多种多样的,对于一种分割方案换了一种设备采集的图像会导致方法失效,这表明分割方案的适用能力不够。针对上面提到的乳腺分割中的问题,本文从显著性检测的角度提出了乳腺肿瘤的全自动分割方法。本文首先分析了目前存在的基于显著性检测的乳腺分割方法的缺陷。然后通过观察到不同设备采集到的乳腺图像在乳腺的解剖学结构上保持不变和超声图像的成像情况的特点,构造了基于边界线索显著图和背景对比度线索显著图。两个显著图分别反映了乳腺超声图像的两个不同特点,通过融合两者得到第一阶段的显著图。针对由于背景对比度显著图的影响第一阶段的显著图中存在着内部显著性不均匀的情况,通过将第一阶段显著图中显著性高的部分作为种子点,利用流形排序的方式得到了最终的显著图。实验结果表明,本文的方法生成的显著图不仅能有效的剔除背景低回声带来的影响而且能比较好的定位肿瘤的位置,在不同的设备采集得到的图像上也表现良好,相比其它方案更具有鲁棒性。