超声检测已经成为乳腺癌早期诊断的重要手段。病灶区域的边缘轮廓、皮肤组织浸润情况都可以通过对肿瘤轮廓特征的提取来描述,而肿瘤内部、后壁、肿块后部的回声均可以用灰度信息及纹理信息来描述。这些信息从不同侧面反映了肿瘤良恶性的倾向,将这些信息数字化,建立计算机辅助诊断系统,可为癌症诊断提供极有价值的参考。首先,本文根据超声图像相比其它医学图像噪声大的特点,选择对病灶区域进行交互式分割。对LiveWire交互式分割方法进行了研究。对其核心代价函数的构造进行了探讨,比较了利用不同代价函数的分割结果。研究了单尺度及多尺度的EdgeFlow向量场的特征,利用多尺度EdgeFlow向量场作为LiveWire的代价函数对超声图像病灶区域进行分割。然后,对病灶区域近似椭圆时,肿瘤越趋向于良性的医生经验规则进行量化分析。对分割后的病灶区域进行椭圆拟合,并按照面积比和周长比的方法计算病灶区域与椭圆的相似性度量。利用人眼对一系列超声图像与椭圆相似程度的评价,将这些评价结果与计算的相关结果进行比较,判断椭圆度量结果与人眼判断的具有一致性。本文还对对分割后的病灶区域进行对称性度量。首先使用了多边形的对称性度量方法,发现了该方法的缺陷是采样方法和分组方法对最后的对称性度量有较大的影响,与人眼对对称性的评价相差较大。提出利用质心的方法对对称性进行了度量,该方法避免了首先要确定对称轴,再计算对称度这一缺点,对该方法与人眼对对称度的评价进行了比较,具有较好的一致性。最后,本文对病灶区域形状越复杂肿瘤越倾向于恶性的医生诊断经验进行验证。对分割后的病灶区域进行复杂性度量。首先采用了单一的度量方法,发现单一的度量方法难以表达形状的复杂程度,然后采用了提升(boosting)方法将几种方法综合起来,形成了对复杂度的综合评价。