随着科技的进步以及计算机技术的飞速发展,人们的生活正在慢慢向智能化转型,尤其是在医学领域,越来越多的先进仪器设备被应用在了各种医疗临床诊断中。由于医学影像设备的不完善性以及人体组织的复杂性,通过医学影像设备采集到的人体各组织的原始图像信息往往信噪比比较低,必须经过一定的处理才能作为医生进行医学诊断的参考图像,所以医学图像降噪技术和计算机辅助诊断受到了越来越多的关注,计算机辅助诊断的结果对医生对病灶体的判断有很大的影响,而降噪技术的优劣会对计算机辅助诊断的结果产生一定的影响。在利用医疗影像设备获得医学图像的过程中会产生一定的辐射,辐射会对医生以及病患造成一定程度的伤害,有可能诱发癌症等疾病,所以近几年低剂量计算机断层扫描技术受到了研究者们的关注,但是随着辐射剂量的减少,获得的医学图像将会引入大量的噪声,因此医学图像降噪技术受到了越来越多的学者的重视。同时,医生在后续对病灶进行判断的过程中往往需要依赖临床经验以及学术背景知识,因此医学临床诊断技术难以得到普及。本文在此基础上,对医学图像降噪处理技术以及计算机辅助诊断做了比较深入的研究,具体内容如下:(1)提出了一种基于医学图像质量评价的自适应三维块匹配医学图像降噪技术。考虑到原始的医学图像通常都含有噪声,首先采用不同的阈值对原始的医学图像进行三维块匹配降噪处理,然后对所获得的降噪后的图像进行质量评价,最终得到质量最好的降噪图像以及对应的阈值信息。实验结果表明本文的算法能够在有效抑制噪声的同时比较好的保留图像的边缘等细节信息。(2)提出了一种基于旋转不变局部二值模式的早期乳腺钙化点的检测方法。钙化点是乳腺癌早期表现形式之一,含有钙化点的乳腺组织与未含有钙化点的乳腺组织的纹理特征有明显的区别,而旋转不变局部二值模式常常被用来提取图像的纹理等特征信息,因此可以利用旋转不变局部二值模式对乳腺钙化点的特征进行提取,并且利用机器学习的方法,将提取的特征分为两类,完成对乳腺钙化点的判定。