胆结石属于常见的胆囊疾病,在我国西北地区发病率较高,在引起急腹症的疾病中仅次于阑尾炎,对于胆结石的初步诊断首先选择做超声影像检查。超声图像具有实时性好,无损伤等优点,在检查软组织时有独特的优势,但是图像复杂多样、对比度低、斑点噪声多,其质量和CT、核磁共振等医学图像相比要低很多,对超声图像的诊断受临床医生的主观影响较大,有出现漏诊和误诊的可能性。因此为提高临床诊断的准确性,有必要对胆结石图像进行图像分割方面的处理,主要是对胆结石区域做检测和分割,达到清晰的分割出胆结石区域边缘的目的。脉冲耦合神经网络(Pulse Coupled Neural Network, PCNN)是一种有着生物学背景的新一代人工神经网络,来源于对哺乳动物猫的视觉皮层神经细胞的研究成果,是对哺乳动物视觉系统较为精细的模拟,因此它更接近视觉系统处理图像的过程。PCNN具有的脉冲传播特性和单层神经网络模型的特点,非常适合在生物医学图像处理领域中做图像分割方面的应用。本文根据胆结石超声图像的特点,结合PCNN在图像处理方面的研究成果,对超声图像中的胆结石部分进行分割。主要做了以下工作：1、列举并结合超声图像中的典型胆结石病变,分析归纳胆结石超声图像的特征。2、分析PCNN神经网络模型,并实验确定用于胆结石超声图像分割的模型相关参数。3、进行基于PCNN模型的超声图像中胆结石区域分割研究,参照手工分割的胆结石病变效果,分析讨论基于脉冲耦合神经网络的胆结石超声图像分割性能。通过计算机仿真实验表明,基于脉冲耦合神经网络的胆结石超声图像分割方法能够较为准确的分割出典型胆结石病变的病灶。