乳腺癌是女性中最常见的癌症，其危害性已不容小视。据医学临床经验得到，大多数的乳腺肿瘤如果能早期检测出来，其治疗的成功率将大大提高。我国医院常用超声成像技术对病人进行乳腺肿瘤的诊断，计算机辅助诊断系统被用来帮助医生进行肿瘤的良恶性诊断。现有的大部分计算机辅助诊断系统均是对病人采集的视频序列中的单帧图像进行分析，这虽然会减少计算机诊断的时间，但同时存在有这么两个问题：一、如何从这个视频序列中选取一帧来代表此病例；二、不同的医生诊断标准不同会选取不同的图像，而这会对计算机诊断的结果可能会造成影响。因此，基于上述原因，本文研究如何基于视频序列对乳腺肿瘤良恶性的识别。现有的大部分计算机辅助系统均从形态学或者纹理方面提取肿瘤的特征，本文分别介绍如何从形态学和纹理上提取肿瘤序列特征，接着本文提出了一种基于链码的归一分布方差序列特征。基于形态学的序列特征提取方法是先对序列中的每一帧提取10维形态学特征，即似圆度、长宽比（外接矩形的长宽比）、平均归一化径向长度、归一化径向长度标准差、归一化径向长度的熵、面积比率、边缘粗糙度、小叶指数、针刺状特征、方位角度。然后本文提出了三种序列特征算子对每一维形态学特征提取序列特征，这三种序列特征算子分别是序列平均特征、序列二阶差特征、序列分布熵，它们既考虑了序列中相邻帧特征之间的相似性，同时也考虑其差异性。本文将用于提取单帧图像纹理特征的灰度共生矩阵进行改进，以便使其能用于视频序列的纹理特征。用于提取单张图像的灰度共生矩阵只研究存在有水平和垂直位移的像素点的灰度关系，而图像序列上的灰度共生矩阵除了有水平、垂直位移外，像素点之间还存在有序列位移即帧数差。本文还从对肿瘤轮廓编码的方式去提取序列特征，先前对乳腺肿瘤提取的形态学特征大都是从整体上研究肿瘤的形态特性，而本文则基于Freeman ChainCode对肿瘤的轮廓进行编码，然后提出了表示肿瘤形状的码的归一分布方差特征，最后对各帧特征取平均的方式提取序列特征。实验结果发现，此方法的识别率为96.1%，能为医生临床诊断提供一定的参考意见。