內、中膜厚度是臨床上用于評價動脈粥樣硬化發展程度的主要指標。目前，基于 B 超圖像測量內、中膜厚度通常由專業醫生手動標記內、中膜邊界來實現，過程繁瑣耗時，人為影響因素多。本文提出了一種基于高斯混合模型（GMM）的聚類灰度閾值法，以檢測 B 超圖像中頸動脈內、中膜厚度。首先基于 GMM 對頸動脈圖像灰度聚類，然后用灰度閾值法檢測血管壁內、中膜的分界，最后測量二者的厚度。與直接使用灰度閾值法的測量技術相比，頸動脈 B 超圖像的聚類解決了內、中膜灰度邊界模糊的問題，從而提高了灰度閾值法的穩定性與檢測精度。本研究選取 120 例健康頸動脈臨床試驗數據，以兩名專家分別手動精細測量 4 次的內、中膜厚度的均值作為參考值，最終研究結果顯示，經 GMM 聚類后估計的內、中膜厚度的歸一化均方根誤差（NRMSE）分別為 0.104 7 ± 0.076 2 和 0.097 4 ± 0.068 3；與直接進行灰度閾值估計的結果相比，NRMSE 的均值分別減小 19.6% 和 22.4%，表明本文所提方法測量精度有所提高；標準差分別減小 17.0% 和 21.7%，表明所提方法穩定性增加。綜上，本文方法有助于動脈粥樣硬化等血管疾病的早期診斷和病程監測。
早期篩查是降低乳腺癌死亡率的重要手段。為了解決偏遠、貧困地區醫療資源有限導致乳腺癌篩查率較低的問題，本文設計了一種基于便攜式超聲Clarius的乳腺癌輔助篩查系統。該系統在移動終端上對B超圖像的腫瘤區域進行自動分割，在云服務器上利用超聲射頻數據進行腫瘤的良、惡性自動分類。本文研究實驗結果表明，該系統對乳腺腫瘤分割準確率達到98%，良、惡性分類準確率達到82%，系統準確可靠。該系統架設方便、操作簡單，便于偏遠、貧困地區的患者進行乳腺癌早期篩查，有利于客觀地對病情做出判斷，是國內乳腺癌輔助篩查系統在移動終端上的首次實現。