乳腺癌是严重危害女性身心健康的常见恶性肿瘤之一。降低乳腺癌患者死亡率的关键途径是进行早期诊断和治疗。目前公认的可靠经济且可以进行推广的乳腺癌筛查方法是乳腺钼靶摄影技术。但由于筛查环境中存在着高假阳性率、低检出率等特点,从而造成过诊断问题,使得全民统一的乳腺癌筛查模式的有效性受到很大质疑。为提高乳腺癌的筛查效率,对其建立个体化筛查模式是非常重要的。而实现这一筛查模式的前提是建立有效可靠的乳腺癌发病风险评估模型。已有的乳腺癌发病风险评估方法通常利用风险因子包括家族史、基因信息及年龄等进行评估,只能预测群体意义上的长期风险,无法有效地评估具体单一妇女在近期内患乳腺癌的风险概率。为此本文研究分析了如何建立面向近期乳腺癌发病风险的预测模型,从而把妇女分为近期意义上的高风险类别和低风险类别。大多数女性属于低风险人群,可减少筛查的频率,而需较高频率筛查的高风险女性只占少数。据此可把宝贵的医疗资源更加合理的分配到真正需要关注的高风险妇女中,达到降低假阳性率的目的。本文主要研究工作和贡献体现在以下几个方面:在图像预处理方面,本文采用基于多方向Gabor滤波方法进行乳房皮肤检测。对于MLO视角图像需要进行胸肌检测从而完成乳房区域分割,对其进行皮肤检测后采用基于梯度和Hough变换方法进行胸肌检测。由于本文需要进行左右乳房匹配区域的标记,因此在乳房区域分割完成后本文采用基于Hessian矩阵及强度特征的方法进行了乳头位置检测。然后以乳头作为参考点,进行目标区域分割,主要包括采用基于解剖结构方法进行双侧匹配带状区域分割和基于高斯差分滤波方法进行基元区域分割。针对目标区域进行特征提取及选择后建立预测模型。在模型建立方面,本文分别从双侧不对称性角度、多视角影像角度、双侧不对称性特征的动态变化性角度以及技术角度四个层次逐步展开研究:1.由于左右乳腺局部双侧不对称性在临床乳腺癌诊断中起到重要作用,而前期的研究均是采用乳腺钼靶图像全局双侧不对称性进行近期风险预测研究。因此本文从双侧不对称性角度考虑,利用乳腺钼靶图像的局部区域双侧不对称性与全局区域双侧不对称性进行了近期风险研究,并建立了基于广义线性模型的预测模型和基于多层感知器的预测模型。结果显示局部区域特征的性能高于全局区域特征的性能,局部区域和全局区域双侧不对称性特征结合后模型性能显著提高。2.传统近期乳腺癌风险预测主要针对单视角图像（通常是头尾位图像）进行研究。但临床上乳腺钼靶图像通常有两个视角图像包括头尾位图像和侧斜位图像,且临床医生也通常采用多视角图像进行乳腺癌诊断。因此,本文从多视角影像角度考虑,进行了基于多视角乳腺钼靶图像的近期乳腺癌风险预测研究。具体地,分别采用头尾位图像和侧斜位图像的双侧不对称性特征建立风险预测模型,然后分别采用Alpha-Integration算法和Multi-Agent算法进行两个视角模型的融合。结果显示,采用头尾位图像特征建立的模型性能高于采用侧斜位图像建立的模型,两个模型进行融合后,模型性能得到显著提高。3.由于乳腺癌是逐渐发展变化的过程,而且乳腺双侧不对称性是一种动态的特征。因此,本文从双侧不对称性特征的动态变化性角度考虑,分析了钼靶图像双侧不对称性的动态变化性与近期乳腺癌风险的关联关系。本文采用连续四年进行乳腺钼靶检查图像,首先获得前三年至前两年、前两年至前一年以及前三年至前一年的双侧不对称性的动态变化性特征。然后利用单变量回归分析以及多变量回归分析探讨各动态变化性特征与近期风险之间的关联性。同时,利用这三个动态变化性特征集分别建立预测模型。结果表明,双侧不对称性特征的动态变化性与近期乳腺癌风险具有相关性。利用前三年至前一年的动态特征集建立的风险模型性能优于利用前两年至前一年以及前三年至前两年的特征集风险模型性能。4.深度学习技术尤其是深度卷积神经网络已经成为分析医学图像的重要方法之一,目前针对近期乳腺癌风险预测研究尚未有采用深度学习方法直接提取双侧不对称性特征进行分析。因此,本文采用基于深度卷积神经网络方法自动提取乳腺钼靶图像双侧不对称性特征预测近期风险。首先针对中心匹配区域的相减图像以及双侧整体乳房区域图像分别建立了基于AlexNet网络、GoogLeNet网络以及ResNets网络的风险模型。然后采用Multi-Agent算法把三个基于深度学习的预测模型进行融合,得到基于中心区域的融合模型和基于整体乳房区域的融合模型。最后对基于中心区域的模型和基于整体乳房区域的模型进一步融合。结果表明,采用深度学习技术有助于进行近期乳腺癌风险的评估。总之,本文研究具有以下几个显著特征和创新点。第一,与现有的流行病学的长期乳腺癌风险模型相比,本文研究的是近期乳腺癌发病的风险模型;第二,本文首次把左右乳腺局部区域不对称性引入乳腺癌近期风险评估中;第三,本文研究了多视角钼靶影像相结合进行近期风险预测;第四,本文探讨了乳腺癌发展过程中双侧不对称性的动态变化性与近期乳腺癌风险的关联性;第五,本文利用深度学习技术进行了近期乳腺癌风险预测研究。本文研究有助于推进个体化近期乳腺癌筛查方案,以达到提高检出率、降低假阳性率及医疗卫生开支的目的。