乳腺癌是女性常见的恶性肿瘤之一,近年来发病率呈明显上升趋势。超声被广泛用于乳腺癌的诊断,因为超声成像具有对人体无放射、价格相对较低廉等优势。临床上,医生主要是通过肉眼观察B型超声图像的特征,凭经验和感性的认识来对乳腺肿瘤进行诊断,缺乏客观指标,有时会造成误诊,特别是对良性肿瘤的误检率较高导致了活检结果为良性的病例增加,给病人带来了不必要的痛苦和经济负担。计算机辅助诊断能进行定量分析,减轻医生诊断工作量,降低活检数,提高诊断效率和客观性。目前的计算机辅助诊断主要是手工或半手工提取乳腺肿瘤的边缘,这样加重医生的工作负担,并且边缘提取效果受医生主观影响较大。本文的研究目的是实现自动提取肿瘤边缘并提取判别良恶性肿瘤的最佳特征组合,提高乳腺肿瘤良恶性的识别率,从而降低不必要的活检数量。本文首先分析125例有病理诊断的乳腺肿瘤超声声像图的特征,针对医学超声图像的特点对乳腺肿瘤B超图像采用加权中值滤波算法有效地去除speckle噪声,并提出一种改进的直方图均衡化算法增强图像的对比度;然后采用基于区域生长的分割算法自动分割提取乳腺肿瘤初始区域,用形态学滤波与空洞填充进行后续处理,得到了122例样本较为准确的病灶区域;最后以病理学为基础,提出了一种基于乳腺肿瘤轮廓分形维数的特征提取方法,并结合似圆度、粗糙度、长宽比等7个形态特征来描述肿瘤边界的粗糙度。然后根据类间距对各个特征的分类能力进行评价,选出类间距较大的特征:轮廓曲线分形维数、似圆度、粗糙度和长宽比组成最佳特征矢量;利用BP神经网络对特征矢量进行分类,获得了乳腺肿瘤的良恶性较好的识别结果,达到降低活检率的目的。