高强度聚焦超声(HIFU)是一种治疗恶性肿瘤的非侵入式治疗手段。超声聚焦于肿瘤靶区组织能够产生瞬间高温,使靶区组织发生不可逆的凝固性坏死。在治疗过程中实时监控组织损伤程度从而调整HIFU剂量是HIFU研究的一个重要方面。本文以HIFU辐照新鲜离体猪肉组织实验为基础,将超声打击猪肉组织前后获得的散射回波通过A/D转换输入到计算机。对回波信号进行采集和预处理并提取其特征参量,据此对组织损伤程度进行辨识。主要工作有：1.研究了所采集信号中有用信号界面点确定、信号滤波等预处理方法。引入小波熵的概念,基于高强度聚焦超声散射回波的特点,用小波时间熵对超声散射回波界面点进行了准确的定位,相对于以往依据经验确定界面点的方法而言更准确可靠,能够有效截取组织部分对应的回波信号。2.用不同方法对回波信号进行分析,提取了回波能量、声衰减系数、小波能量和小波熵特征参量,研究了各参量的温度相关性及在各损伤级的分布情况。结果表明：各特征参量随温度上升而增大的趋势明显,且在55℃以下温度段的相关性优于55℃以上温度段。依据各参量在不同损伤级的分布情况,确定各损伤级对应的参量取值区间。综合所有参量对验证样本进行损伤级归类,获得了较好的归类效果。3.提出用BP神经网络来实现组织损伤级的自动辨识。利用单个参量作为神经网络的输入样本进行训练,再将验证样本输入各自训练好的神经网络进行损伤级辨识,辨识效果不理想。利用多个参量构成矢量矩阵输入神经网络,训练完成后对验证样本进行损伤级辨识,总的辨识率达到91.23%,相对于仅使用某种特征参量而言对组织的总辨识率有明显提高。本文从信号处理的角度出发研究了HIFU治疗中组织损伤程度的监测方法,为HIFU治疗过程监控提供了一种新的思路。