乳腺癌是女性最常见的恶性肿瘤之一,其发病率已居女性恶性肿瘤首位,并且呈逐年上升趋势。因此,对乳腺癌的诊断和治疗已经引起了医学界的广泛重视。报告显示早期乳腺癌多数是可以治愈,其五年生存率可以达到90%以上,因此早期发、早治疗就显得很必要。近年来,乳腺癌的死亡率却有明显的下降。原因是超声弹性成像技术的应用以及乳腺计算机辅助诊断系统(CAD)的介入,更加有效的发现潜在肿块,大大提高乳腺疾病的诊断精度,对乳腺癌的治愈有着重大意义。本文主要研究了超声弹性成像技术在乳腺肿瘤分类中的诊断方法。乳腺肿块是乳腺肿瘤的重要症状,因此本文提取肿块的弹性特征及纹理特征,作为判断肿块良恶性的重要依据。本文设计一套乳腺肿块特征的自动提取方法,利用支持向量机(SVM)分类器完成分类,实现乳腺肿块的诊断。研究思路是:第一,获取图像数据,并完成乳腺图像的预处理;第二,对肿块弹性信息进行图像重建;第三,运用水平集方法实现肿瘤区域自动分割;第四,实现肿块特征提取,根据乳腺肿块图像弹性方面信息,本文提取五个弹性特征来描述肿瘤的属性;根据乳腺肿块的纹理特征,提取了肿块的四个灰度共生矩阵特征;根据肿块的形状变化情况,提取了圆度特征;总共提取十个特征,作为肿块分类依据;第五,对SVM方法进行研究,包括SVM的理论基础、核函数的介绍,将SVM技术应用到乳腺肿块分类中,完成对乳腺肿块的诊断。采用上述方法对195幅乳腺图像进行检测,应用交叉验证的方法对SVM进行训练识别,使得到的SVM分类结果具有较高的可靠性,并且最终取得了有一定意义的实验结果,为进一步的研究奠定了较好的基础。