乳腺癌是多发于女性群体的常见恶性肿瘤,对女性的身心健康造成了严重危害。对癌症的早发现、早诊断、早治疗是国际医学界公认的癌症最佳治疗手段。超声具备对人体无创伤、无放射、精确度高、成本低廉等优势,成为了广泛应用于乳腺癌临床诊断的主要影像学手段。将计算机辅助诊断(CAD)系统应用到对乳腺癌的诊断过程中,能辅助医生进行判断,提高结果的客观性和准确性和减少误诊、漏诊情况,对病情的诊断和治疗有重要意义。对肿瘤的分割是乳腺超声CAD系统中关键而又具有挑战性的步骤。目前的乳腺肿瘤分割方法多为半自动方式,即在算法运行的过程中需要人工进行诸如圈定感兴趣区域、选取种子点等干预指导。当面临大量任务时,人工操作成为算法运行的瓶颈。医生在对乳腺超声图像进行判读时,会结合图像序列间的联系,对单幅图像的结果进行校准修正,然后得出准确的结论。现有的乳腺肿瘤分割方法多以单幅超声图像作为处理单元,仅根据单幅图像信息进行分割的结果在全局一致性上存在着不足。针对上述乳腺肿瘤分割方法存在的问题,本文提出了基于显著性检测的乳腺肿瘤全自动分割方法,主要内容包含有以下两方面:首先,本文提出了基于单幅图像显著性检测的乳腺肿瘤分割方法。该方法结合乳腺的解剖学结构和超声图像特点,基于单幅超声图像信息构造位置先验显著图和背景线索显著图。两张显著图在反映乳腺肿瘤显著性上各有优点,通过二者的融合生成初始显著图。针对初始显著图在表现显著目标即肿瘤上存在的内部不均匀致密的情况,通过结合模糊连接的显著值传播方法获得最终的显著图。实验结果表明,该方法生成的显著图能够有效剔除背景并且凸显肿瘤区域。其次,本文提出了结合视频显著性检测和随机游走算法的乳腺肿瘤分割方法。该方法以图像序列为处理单元,构建了以超像素为单元的图模型,并定义了用于反映图像区域的局部信息的结点帧内邻居和帧间邻居。通过包含结点邻居关系的图像序列内的显著值同步更新方法更新基于单幅图像信息的显著图,获得更为均匀致密且一致性高的显著性检测结果。在视频显著性检测的基础上,根据显著值选定生成大量的、分布均匀的前景和背景种子点,结合随机游走算法生成表现力更强的像素级检测结果。实验结果表明,使用该方法计算出来的显著图的显著值更为均匀致密,能在肿瘤和背景间形成明确边界,并且在图像序列上具有较高的一致性。