高强度聚焦超声技术(high intensity focused ultrasound，HIFU)是一种在肿瘤治疗过程中采取了非侵入性方式的治疗技术。因为非侵入性的特点，造就了它在临床上用来治疗肿瘤的广泛性和实用性。高强度聚焦超声实现体外无创或微创治疗肿瘤的原理，主要基于它的高强度性和准确性。超声能够准确地在肿瘤靶区位置聚焦能量，使其产生瞬时高温，从而使得靶区组织产生不可逆的凝固性坏死或变性。在HIFU治疗过程中，组织损伤程度是评价该技术疗效的一项重要指标。　　本文研究以HIFU辐照新鲜离体猪肉组织的实验来模拟其体外治疗肿瘤的过程。通过B超设备，获取治疗前后猪肉组织的超声图像，研究其图像特征的变化，并对HIFU治疗造成的组织损伤程度进行疗效评价。所做的主要工作如下。　　第一，建立在大量实验的基础上，详细地研究和分析了所获取的图像数据，包括对图像数据进行的筛选和预处理。从图像特征的角度出发，验证了不同剂量的HIFU治疗对生物组织损伤程度形成的一般规律。　　第二，提取预处理后图像的三个灰度特征，包括灰度均值、方差、和矩不变量Hu矩，并引入机器学习方法支持向量机，对治疗后的组织细胞变性与否进行了定性的二分类判别。同时也提出了将小波变换与特征参数结合，从而引入小波系数均值、小波系数方差和小波系数Hu矩三个特征参数。结果表明小波系数Hu矩的总辨识率和小波系数方差相差不大，这两种参数的辨识效果在六个参数中是比较好的。　　第三，介绍了三分类组织损伤等级判定方法，为进行二次HIFU辐照提供数据的理论支持。不同的HIFU剂量对靶区组织细胞可造成不同程度的损伤面积，根据实际损伤面积可划分为三个等级，分别为未发生凝固性热损伤，凝固性损伤区域与焦域基本吻合和过度损伤。　　第四，提取图像的灰度均值和小波系数均值，并引入K均值聚类方法，即可根据特征参数将组织损伤自动判别为三个等级。此外，还对基于单参数和双参数的聚类效果进行了比较，结果表明:在组织损伤等级的总辨识率上，基于双参数的聚类方法较单参数聚类方法有所提高，更能准确地判定组织的损伤等级。　　第五，对三分类判定法作了拓展研究，提出根据参数值分布情况进行三分类判定，而不是依靠人为测量的损伤面积进行划分。首先提取差值图像的灰度均值和小波系数均值，再进行奇异值分解(singular value decomposition，SVD)处理，最后经过AP(affinity propagation，AP)聚类算法，即能实现更为客观的组织损伤级别的划分。　　本文从图像处理的角度出发，结合机器学习算法，实现了对HIFU治疗后组织损伤程度的评价，为今后的研究提供了新的方向，对提高HIFU疗效具有一定的实际意义。