乳腺癌是女性中最常见的癌症,严重危害着女性健康。临床经验发现,如果乳腺肿瘤能够早期发现并进行有效治疗的话,其治愈成功率将大大提高。由于成本低廉、性价比高等原因,超声成像技术已成为检测乳腺癌的重要手段。为了帮助医生提高诊断的客观性和准确性,降低误诊率,计算机辅助诊断(CAD)系统已被广泛应用于乳腺癌诊断过程中。分割是乳腺超声CAD系统中重要的一个环节。目前乳腺肿瘤分割方法主要存在两方面的问题:首先,目前缺乏有效的全自动分割方法。多数算法采用半自动方式,需要人工干预,如画出感兴趣区域、以点或线的形式给出目标区域的信息。这使得大量数据的批处理很难实现。而且目前的全自动方法多是在原始超声图像上截选部分图像进行处理,排除了脂肪层等其它组织的干扰。因此所获得的实验结果与结论不适用于原始超声图像。其次,乳腺超声图像在获取时往往是视频的形式,现有的分割方法在进行分割时,是选取其中的一帧来进行分割的。而在实际病情诊断中,医生不仅需要看单帧的肿瘤图像,还要结合视频进行辅助确诊。所以,单独使用一帧图像时,结果不具有全局特性,没有充分利用到序列的信息。针对以上问题,本文从视觉显著性的角度结合乳腺肿瘤序列之间的关系,主要进行了以下三方面的工作:(1)提出了一种基于单帧显著性的乳腺肿瘤检测方法。方法首先从乳腺超声图像的医学先验出发,提出了乳腺层定位的方法,然后从解剖学的角度,提出了基于背景的显著性线索。为了对显著性结果进行细化,又提出了对比度线索。解剖学线索和对比度线索结合起来,构成了最终的显著性模型。实验结果表明,该方法能够有效地消除背景噪声的干扰,准确的对肿瘤进行定位。(2)提出了一种基于序列显著性的乳腺肿瘤检测方法。方法利用单帧显著性检测的结果生成候选重构基,然后从公共基重构误差和辅助基重构误差两方面对序列图像进行了重构误差计算,并将结果进行多尺度融合。最后使用了基于全局乳腺层定位和肿瘤位置约束的全局解剖学约束,得到乳腺肿瘤序列的显著性表示。方法基于序列超声图像提出,能够处理单帧不能检测的低回声,模糊边缘等情况的图像。(3)提出了一种基于多域先验的乳腺超声图像协同分割方法。方法通过结合空域与频域先验,并引入协同分割的思想来实现对乳腺超声序列的分割。方法在空域中得到肿瘤的姿态,位置和强度信息,在频域中通过使用相位一致性与零交叉检测得到肿瘤的边界信息,最后利用协同分割的思想构建起全局能量项,有效地利用了图像序列信息。实验结果表明,与传统的乳腺超声图像分割方法相比,本文提出的分割模型能够很好地处理低对比度低回声图像以及单帧不能有效分割的图像,分割结果具有更好的准确性。