中文摘要：

本项目结合临床信息，将医学图像的处理技术与模式识别、数学形态学、人工智能、神经网络等方法有机结合，研究基于超声数字图像的早期乳腺癌辅助诊断方法的关键技术。该项目旨在推进计算机技术在医学图像及辅助诊断方法中的应用研究，为基础理论提供新的应用研究方向。 本项目采用基于模糊逻辑理论的算法对乳腺超声图像进行增强处理，然后以数学形态学方法结合马尔可夫随机过程对乳腺影像进行病变区域检测，最后利用模糊神经网络

结论摘要：

乳腺超声图像是一种纹理信息丰富、具有斑点噪声、背景区域和目标区域灰度差异小的图像，对于此类图像的分析与识别是一个难点问题。本项目根据任务书的要求完成了乳腺超声图像增强与分割的理论和应用方面的研究工作，主要包括基于模糊逻辑和纹理分析的乳腺超声图像增强技术问题研究和基于一致性修正直方图乳腺超声图像分割算法问题研究。以上研究结果已经成功地应用到哈尔滨医科大学第二附属医院的临床应用中，并获得了良好效果。本项目执行的一年间，在国内外刊物上发表论文多篇，其中SCI检索2篇，EI检索3篇，ISTP检索3篇。在此项研究基础上，我们将建立基于血流的超声图像计算模型。通过进一步完善，使模型能够普遍适应各种彩色超声图象。