随着医学和计算机辅助诊断技术的迅速发展,人们对乳腺癌等恶性疾病早期诊断的要求越来越迫切。钼靶X射线摄影已经成为乳腺癌早期诊断的最可靠方法之一,然而某些类型的乳腺癌的早期影像学特征并不十分明显,所以医生很难发现图像中所有可能的病变区域。好的计算机辅助检测系统能够有效地防止误诊和漏诊,大大提高早期诊断率,从而为患者的预防和治疗争取时间,有效降低发病率和死亡率。肿块是乳腺癌在钼靶X光图像上的一个主要表现,本文提出了一种针对钼靶X光片的乳腺肿块计算机自动检测算法。首先,根据乳腺肿块近似球形的特点,提出了一种基于环形滤波的种子区域选取方法,该方法利用肿块的灰度和梯度特征提取出饱满的种子区域。接着,提出了一种基于类间方差最大化(OTSU)的疑似区域分割算法,该算法能够自动调整疑似区域边界,保证了分割结果接近肿块真实形状。然后,提出了一种在边缘区域提取特征的特征提取方法,为了适应不同形状的肿块,本文利用一个多边模型来拟合肿块的边界,通过多边模型提取肿块的边缘区域,肿块边缘区域提取的特征能够很好的区分肿块与正常组织。最后,将SVM分类器应用于肿块疑似区域的分类中。对100个病例的X光片乳腺数据的测试结果表明,肿块正确检测率为95.3%,假阳区域为2.16个/幅,验证了本文方法的有效性和实用性。实验结果表明,本文提出的检测方法取得了良好的检出率,相信经过不断的努力和改进,这些检测算法将具有广阔的应用前景。