乳腺癌是一种女性中高发的恶性疾病,早期诊断和治疗是降低乳腺癌死亡率的关键。钼靶乳腺x线摄影是目前乳腺癌早期检测的主要手段。随着医学和计算机技术的迅速发展,开发计算机辅助诊断技术以协助临床医师检测影像中微钙化和肿块等可疑病灶,并提出诊断建议,从而降低医生诊断的漏检率和误诊率,已成为乳腺癌早期诊断的研究热点。但目前在临床应用上,微钙化计算机辅助诊断性能较好,然而,由于肿块影像特征复杂多变,且容易受到周围组织干扰,其辅助诊断效果较差,难以满足临床应用的需求。基于上述原因,论文致力于更加准确高效的乳腺x线影像肿块的辅助诊断算法研究,以期获得更好的计算机辅助诊断效果,主要内容包括：1、乳腺肿块图像增强。首先利用单层模糊增强算法调整图像灰度范围,提高肿块和背景的灰度对比度；然后利用高斯掩膜抑制周围组织干扰；最后将图像转换至Radon域进行增强处理以突显肿块边缘结构。2、肿块区域分割与星芒状结构检测。论文提出自动随机游走算法对肿块区域进行分割,首先利用二维最大熵阈值法、区域生长及形态学方法自动确定一系列标记点；然后利用平均边缘梯度评价法选择有效标记点进行随机游走分割以获得肿块区域分割结果。随后论文对肿块进行星芒状结构检测,将图像转换至极坐标后利用模糊熵与线检测算子增强线状结构,从而实现星芒状结构的分离。论文同时利用分割金标准来评价肿块分割精度,与区域生长、活动轮廓等算法相比,本论文提出的算法可获得更高的分割精度。3、肿块特征提取与优化。首先对肿块分割区域进行特征提取,包括灰度特征、几何特征、纹理特征和患者基本信息等；然后利用遗传算法对上述多维特征进行优化。4、肿块分类。论文选择机器学习方法对肿块进行分类,同时比较了特征优化前后的肿块分类效果。分类结果表明特征优化方法可提高肿块分类精度,同时也表明论文研究的算法可获得更加准确高效的辅助诊断效果。