乳腺癌是女性患者常见的肿瘤疾病之一，由于其高的发病率及危害性，引起了医学研究人员的密切关注。如何对乳腺癌患者作出准确诊断是乳腺肿瘤的预防与早期诊断的关键。超声显像技术凭借其无辐射损伤、简单有效以及成本低廉等特点，对乳腺肿瘤的诊断与治疗起着重要作用。然而，部分医生与技术人员由于理论和经验的不足，对超声图像的分析和判断不可避免地存在偏差。随着计算机科学及医学影像的发展，计算机辅助诊断系统在分析医学影像、发现病变区域、判断肿瘤类型及提供诊断意见等方面起着不可替代的作用。但是，超声图像固有的高斑点噪声和低对比度等缺陷，给计算机辅助诊断带来一定的困难。本文致力于研究乳腺肿瘤超声图像的自动分割诊断技术，在图论分割的基础上，结合了模式识别领域的目标识别算法，实现乳腺肿瘤的自动分割诊断。传统的超声图像分割方法通常是对图像完成最基本的分割功能，后续的分析工作往往依靠医生或技术人员的手工操作完成。为了降低不同医生对分析结果的主观影响及减轻医生工作的压力，本文结合了模式识别领域中目标识别算法，创新地提出了一种超声图像的自动分割方法。在提出的自动分割方法中，先利用全变分模型去除超声图像中的斑点噪声；然后利用一种高鲁棒性的基于图论的分割算法对滤波后的超声图像进行初步分割；由图像特征提取、特征选择和目标分类三个步骤构成的目标识别方法用于实现分割后的超声图像中肿瘤区域的自动检测；最后，动态轮廓模型将对分割的结果做最终的优化。本文使用了46张乳腺肿瘤超声图像做实验验证，其中23张确诊为良性肿瘤，剩余的为恶性肿瘤。实验结果显示，识别的准确度、特异度和敏感度分别达到98.3%、98.5%和97.4%，分割结果的TP、FP、FN和ARE指标则分别达到85.01%、1.78%、14.99%和9.08%。数据表明，提出的方法能够成功地实现乳腺肿瘤超声图像的自动化分割，为计算机辅助诊断系统应用带来新的思路。