乳腺癌（Breast Cancer）是具有高死亡率的癌症之一，始终危害着中国女性的健康，其发病率在近几年也呈现出了迅速上升的态势。由此可见，中国乳腺癌的防治面临着巨大的挑战。影像学检查技术的发展十分迅速，磁共振成像技术（Magnetic resonance imaging，MRI）凭借其高分辨率等优点在诸多影像检查方法中脱颖而出，被广泛应用于临床诊断中。与此同时，为了减轻放射科医生的工作负担，计算机辅助诊断技术(Computer-Aided Diagnosis,CAD)也应运而生，辅助医生作出精准决策。虽然不少学者在乳腺癌辅助诊断领域进行了诸多研究，但其关注点往往只在于病灶区域。近期相关医学研究指出，乳腺背景实质增强（Background Parenchymal Enhancement,BPE）与乳腺疾病有一定关联，即较高的BPE与女性患乳腺癌的可能性较高有关，然而这些根据医生临床研究得出的结论普遍带有个人主观性。
　　针对这一问题，本论文从客观、定量的角度研究了乳腺MRI影像背景区域对于乳腺肿瘤良恶性诊断方面的应用价值。具体研究内容包括：
　　（1）面向乳腺MRI影像的预处理
　　对原始MRI影像数据集进行影像配准、影像增强以及病灶分割等影像预处理操作，同时也介绍了预处理操作的相关概念和工作原理，在病灶分割方面对比研究了C-V模型和GAC模型，并从模型的准确率、敏感度以及特异度定量评价两者的分割性能，选取性能较优的C-V模型分割出病灶区域和背景区域。
　　（2）乳腺MRI影像背景区域特征的肿瘤良恶性判别能力研究
　　通过提取乳腺影像背景区域和病灶区域的动态增强特征和纹理特征，利用K-W检验和ROC曲线对单个特征进行可分性测度评估来研究乳腺影像背景区域特征对于肿瘤良恶性的判别能力。实验结果表明，乳腺背景区域的确含有判别乳腺肿瘤良恶性的重要信息。
　　（3）融合乳腺MRI影像背景特征的辅助诊断模型对比研究
　　利用支持向量机分类器（Support Vector Machine，SVM）对乳腺影像背景区域特征在判别乳腺肿瘤良恶性方面进行了定量的研究，并对比研究了卷积神经网络对于乳腺肿瘤良恶性的分类性能。实验结果表明，在病灶区域特征基础上融合乳腺背景区域特征可以有效提高乳腺CAD系统的诊断性能，在样本数据量充足的情况下，卷积神经网络模型对于乳腺肿瘤良恶性的分类性能更好。