淋巴结是人体内产生免疫应答的重要器官，淋巴结异常通常表明其属区范围内出现病变，因此检查淋巴结对相关疾病的诊断具有重要意义。颈部淋巴结是淋巴疾病的好发区，在临床上颇为重要。对颈部淋巴结检查的各种方法中，超声成像技术由于具有无损性、实时性、廉价性、操作方便等优点，是首选的影像方式。但颈部淋巴结超声图像的人工判读有较大的主观性。通过计算机对淋巴结超声图像进行量化分析，必将有利于提高医生诊断的客观性。为此，本文建立了一套颈部淋巴结超声图像分析系统，该系统完成了对颈部淋巴结超声图像的分割、量化特征提取和分类识别。本文首先对梯度矢量流snake模型进行改进，用于淋巴结超声图像分割。传统梯度矢量流snake模型仅根据图像中的亮度信息进行图像分割。由于淋巴结超声图像质量较差，含有大量的斑点噪声而且对比度较低。传统梯度矢量流snake模型的分割结果难以令人满意。本文利用包含图像纹理和亮度信息的边缘流形成梯度矢量流，充分利用了超声图像中的纹理信息。在由医生给定四个标记点的条件下，实现了对淋巴结超声图像的半自动分割。对分割结果的定性和定量评价都显示了将边缘流引入梯度矢量流snake模型将明显改善对淋巴结超声图像的分割结果。基于图像分割所得淋巴结轮廓，本文设计了一套超声图像特征提取算法，总共量化了10类超声图像特征，包括从B型超声图像中提取了淋巴结大小特征、外形特征、边界特征、形态特征、髓质比例、髓质分布、回声强度和回声均匀度特征，以及从多普勒功率图中提取了血流密度和血流分布等特征。并对每一类特征将各量化特征参数和医生的主观分级判断进行相关分析，以评价所计算的各量化超声特征用于辅助诊断的价值。然后将每一类特征中相关度最高的量化特征参数提供给医生，以辅助分析颈部淋巴结超声图像。最后，本文将粗糙集概念引入支持矢量机，以消除由于训练样本中的噪声和离群数据而引起的过学习问题。本文定义了粗糙间隔，基于粗糙间隔最大化来确定两类数据间的最优分类面。由于粗糙间隔的引入，在支持矢量机的训练过程中将自适应地考虑更多的训练样本，从而使噪声或离群数据的影响减弱。对三个标准数据库测试结果证明：在存在噪声或离群数据的情况下，基于粗糙间隔的支持矢量机的推广能力优于传统支持矢量机分类器。综合上述三个步骤，本文构建了一个完整的颈部淋巴结超声图像辅助分析系统，该系统除了具有图像分割、特征提取，以及分类识别的主要功能外，还可手动修正分割结果、对训练数据集进行增减、以及显示已知类别的训练样本信息等功能。将该系统用于对210个颈部淋巴结(包括96个良性淋巴结和114个恶性淋巴结)超声图像的分析和识别，测试结果为：正确率为84.29％，其中灵敏度为84.21％，特异度为84.38％。和医生的诊断结果相比较(正确率为78.57％，其中灵敏度为80.70％，特异度为76.04％)，该系统将在一定程度上提高医生应用超声技术鉴别诊断颈部淋巴结良恶性的正确率。