近年来,乳腺癌已成为当今女性发病率最高的疾病之一,严重危害女性健康。医学超声成像因其有效、安全、便携及低成本等特点成为乳腺癌诊断中的一种重要手段。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。该技术通过对乳腺超声图像进行处理,判断肿瘤的良恶性,为医生提供辅助诊断信息。本文主要针对肿瘤分类技术的两个重要问题,肿瘤区域的分割和存在肿瘤区域分割误差情况下的肿瘤分类进行研究。具体包括以下几个方面:1.一种改进的基于Grow Cut的乳腺超声图像分割方法乳腺超声图像结构较为复杂、质量较低、噪声较大,这些都是影响肿瘤特征区域分割效果的主要因素。为了解决这一问题,本文提出一种改进的基于Grow Cut的乳腺超声图像分割方法。该方法将用户给定的前景和背景区域标记作为先验知识,利用细胞自动机方法,使种子点在图像中的不断扩张和反复竞争,最终算法在目标边界处达到平衡状态。本文提出的改进的Grow Cut方法,不仅考虑邻域中点的灰度差异,同时进一步将局部纹理之间差异作为约束条件,并且对被攻击点与种子点的相似度进行比较,从而能够弥补在依靠某种单一信息不足以确定未知点的类别的情况,提高对肿瘤区域的分割精度。在实验中,该方法与一系列现有分割方法进行了比较,验证该方法可以较为准确地获取肿瘤区域的精确位置。2.具有分割健壮性的乳腺肿瘤分类方法在现有乳腺肿瘤分类方法中,肿瘤区域的分割结果与实际肿瘤区域之间的差异严重影响了肿瘤分类的效果。本文中提出了一种具有分割健壮性的乳腺肿瘤分类方法。该方法在肿瘤区域中均匀的选取一系列分类检查点,然后对每个分类检查点周围的局部区域提取纹理特征并分类,最后通过统计所有分类检查点的类别采用投票方式确定肿瘤的类别。实验结果表明,通过利用局部纹理信息,可以对复杂的肿瘤纹理变化较好地建模和分类。同时,该方法对分割精度的要求不是很高,具有较强的分割健壮性,在对肿瘤区域分割效果不是很好的情况下,保持较好的分类效果。