乳腺癌是妇女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。本研究的目的是为B超诊断乳腺肿瘤提供计算机辅助诊断手段,在保证恶性识别率达到100%的同时,尽量提高对良性肿瘤的识别率,从而降低不必要的活检数量,为医生的临床诊断提供相对客观的参考。本论文研究一种基于B型和Doppler血流超声图像分析技术和BP人工神经网络的计算机辅助乳腺肿瘤诊断方法。首先通过对乳腺B超图像进行分析,提取了基于肿瘤形态和边界的七个特征以及基于灰度的两个特征;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:灰度比、付里叶描述子、粗糙度和似圆度;再对这四个特征进行组合,用K均值聚类的方法,筛选出由灰度比、付里叶描述子和似圆度组成的最优特征矢量;最后,在特征选择的基础上,先采用灰度比、似圆度和付里叶描述子作为BP人工神经网络的输入,进行良、恶性肿瘤的识别。根据恶性肿瘤血管和血供都比较丰富的特点,本文进一步引入Doppler血流图像特征,并通过大量临床