食管癌是常见的消化道恶性肿瘤,全世界每年约有30万人死于食管癌,严重威胁人们的生命和健康。早期的食管癌常由于症状不明显而影响医生诊断,错过最佳治疗时间。超声内镜(Endoscopic Ultrasonography, EUS)的发展和普及,提高了食管成像的清晰度,成为早期食管疾病的必要检查手段。食管EUS检查的诊断受医生的主观因素影响,使其在应用上受到不同程度的限制。随着计算机技术广泛普及与应用,使用计算机技术对医学影像进行分析,辅助医生发现病灶,具有重要意义。本文主要研究食管超声内镜图像的分类,包括食管平滑肌瘤、食管早期癌症和正常食管三类。基于图论,食管EUS图像的分类首先将图像转换成图结构,结合热力学深度信息模型,围绕图的每个顶点建立K层中心扩展子图并分别计算其复杂度信息,即熵；并将此中心扩展子图的熵组成的向量作为图的纹理特征向量。最后使用基于深度信息的图核和支持向量机,对图进行训练和分类。本文通过对食管EUS图像进行纹理特征的分析以及模式分类算法的研究,以期获得更加准确客观的诊断结果,将有益于超声内镜在消化系统疾病中更加广泛的应用,进一步提高超声内镜诊断的准确性和应用价值,也有利于对于疑难疾病进行深入的分析和判断。