近年来,随着患甲状腺癌的比例不断攀升,甲状腺癌已成为当今危害人类健康的疾病之一。医学超声成像因其具有安全、有效、携带方便以及成本低廉等特点,已成为甲状腺癌诊断的一种重要手段。利用数字图像处理以及人工智能等技术处理甲状腺超声图像以判断肿瘤的良恶性,为医生临床诊断提供非常重要的辅助信息。本文主要针对甲状腺超声图像分类问题进行研究,包括肿瘤区域的特征提取以及允许一定误差时基于肿瘤区域分割的肿瘤分类问题。由于甲状腺超声影像图像的对比度和分辨率都较低,且夹杂斑点噪声,不同人群的肿瘤大小、形状和位置等差异较大,这些都是影响肿瘤特征提取区域分割效果的主要因素。本文针对所处理图像特征,采用了基于主动轮廓模型的方法进行超声甲状腺肿瘤图像分割。首先对原始图像进行预处理。然后利用主动轮廓模型算法进行甲状腺肿瘤区域的分割。该分割方法能较快地分割出肿瘤区域,但是该分割结果存在一定的分割误差。该分割结果能满足本文选取的特征提取算法以及分类算法对分割精度的要求本文通过把分割得到的感兴趣区域划分为若干的子区域,再提取每个子区域的纹理特征组合成为整个结节区域的纹理特征。最后对各个子区域进行分类,然后统计在该感兴趣区域中恶性子区域占所有子区域的比例来确定该感兴趣区域的良恶性。本文分割得到的肿瘤区域与实际的肿瘤区域存在一定的误差,可能会影响个别子区域特征信息的提取,由于该肿瘤区域的良恶性质是通过统计恶性子区域所占比例来确定,因此分割结果中存在的误差只会影响很少一部分子区域性质判断。本文通过提取局部的特征信息来避免了全局特征描述肿瘤区域的局限性,实验表明,本文所采用的方法具有较高的准确率,对甲状腺癌的超声临床诊断具有一定的辅助作用。