近年来，甲状腺结节发病率正在逐步提高，在众多甲状腺影像诊断技术(包括超声、核磁共振、x射线、CT等)中，由于超声图像的低成本、获取时间短等特点，正在变成越来越重要的诊断技术。在传统的人工诊断时，医生通常是根据结节的形状、回声和钙化等直观特征来判断，这种判断较为依赖于医生本人的主观经验，可能会造成辨别错误。组织切片可以得出较为准确的结果，但是工作量大，并且给患者过大的心理压力。随着图像处理与模式识别技术的发展，计算机辅助诊断技术迅速兴起。在甲状腺结节计算机辅助诊断系统中，结节的分割是一个至关重要的部分，可以为医生提供精确的结节位置和形状信息，为后续诊断提供坚实的基础。然而，由于超声图像强度不均匀，对比度低，分布斑点噪声，使得基于B超图像的甲状腺结节分割工作有很大的挑战性。
　　为了避免诊断系统中的人工干预，提高诊断效率，本文研究了基于B超图像的甲状腺结节自动分割方法，为后续的甲状腺结节良恶性分类提供基础，具体地，本文研究的甲状腺结节自动分割方法分为结节检测和结节分割两步，其中前者以目标框的形式给出结节的定位，后者则完成结节的像素级分类。
　　针对甲状腺B超图像中结节检测遇到的结节与周围相似特征信息的组织粘连问题，提出一种基于边界引导分离的结节检测方法，首先，通过块分类方法进行B超图像的区域分割，然后运用相位不对称方法计算B超图像的边缘响应图，设计边缘引导分离策略，利用相位信息在边缘特征检测中的优势解决块区域特征无法解决的结节与组织粘连问题，利用医学先验知识设计结节区域筛选方案，得到准确和完整的结节区域。
　　针对现有活动轮廓方法在结节分割中遇到的边界泄露和陷入局部极小问题，提出一种基于中智理论和相位的甲状腺结节分割方法，所提出的分割模型的初始演化曲线由第一步检测结果计算获得。通过中智建模构建融合图像，设计基于双步迭代Otsu方法的选择性增强策略对融合图像的相位不对称特征图进行有效增强，构建速度停止函数，以距离正则化模型为基础模型，构建甲状腺结节分割模型，通过实验分析，新模型可以得到较为准确的结节分割结果。
　　本文从结节检测和结节分割两个方面展开讨论了一个有效的B超图像甲状腺结节自动分割方法，实验表明分步检测结果和最后分割结果都比较理想，本文工作可为后续甲状腺结节良恶性分类诊断提供可靠的依据。