随着人们生活水平的不断提高，健康问题得到越来越多的关注。而如今心脑血管疾病已经变得越来越普遍，同时由它引起的疾病，例如心肌梗塞、动脉硬化等，已经成为危及生命的疾病。不过随着现代医疗技术的发展，特别是相关诊断技术的发展，如超声成像诊断、X射线成像技术、CT技术等，为我们早期发现相关症状提供了很好的保障。其中超声成像技术已经成为当前一种流行的诊断技术，它能诊断多种疾病，如妇产、心血管疾病等。它可以提供人体器官成像和软组织结构的详细资料。与X射线成像相比，超声成像具有无创、便携式、多功能等优点，而且不产生任何有害辐射。因此，超声成像往往是优于其他医疗成像的诊断方式。　　血管内膜中层厚度（IMT）的测量是一种重要的医疗诊断技术，它常被用于心血管疾病诊断。IMT定义为颈动脉血管腔内膜边缘和外膜边缘的距离，现已广泛用于临床实践，人们通过测量IMT的异常变化来判断血管疾病的发生。但这也要求放射科医生必须具有足够的经验来提取大量关于颈动脉的图像资料，并能够估计可能存在的异常。由于不同医生的经验不同可能会得到不同的诊断结果，从而人工边缘分割很难得到使用和拓展。因此，一种高效的自动检测颈动脉血管内膜的方法成为必需。　　本文首先提出了一种医学超声图像颈动脉内膜中层厚度检测与测量方案，其中检测部分包括自适应灰度拉伸、梯度变换和分水岭分割。这部分的作用主要是用于提取IMT的边界提取和进行区域分割。测量部分提出了一种新的方法，包括区域定位和曲线拟合，用于结果的准确测量。然而虽然本方法在处理一般血管超声图像有着一定优势且计算速度快，但对于一些质量不好的图像，则需要一种更加准确的提取算法。　　鉴于经验模态分解（EMD）在一维信号处理方面获得的巨大成功，国内外学者已将它推广到二维，提出了二维经验模式分解（BEMD）方法，并应用于二维信号处理，而且取得了良好的效果。在此基础上，本文将二维经验模式分解（BEMD）方法应用于医学图像颈动脉血管内膜的提取，该方法取得了良好的效果。这也是EMD理论在IMT提取中的首次尝试。　　最后，针对本文提出的两种不同的血管内膜中层厚度IMT测量算法进行了比较分析。