乳腺癌是女性最常见的癌症之一,且它在全球的发病率和死亡率正逐年增加。早期发现、早期诊断和早期治疗是降低乳腺癌死亡率的关键。乳腺X线影像是一种早期检测乳腺癌的主要手段。微钙化作为乳腺癌的早期表征,由于它极其微小、不规则,且形状和分布各异,它在乳腺X线影像中的信息只有很少部分能为人眼识别,因此微钙化的检测和诊断在临床诊断中是一件很困难的事情。随着计算机技术的飞速发展,基于乳腺X线影像的计算机辅助检测和诊断成为乳腺癌早期诊断的研究热点。目前,微钙化的计算机辅助检测已经实现了一些比较成功的商业应用,但是微钙化的计算机辅助诊断方面的研究较少,而且目前取得的良恶性分类结果远不够理想。小波作为多尺度分析和时频分析的优良工具,它被广泛地应用到微钙化的良恶性分类中。但是前人提出的基于小波的微钙化良恶性分类方法中小波基的选取在很大程度上依赖于经验的,还没有形成一个具体和统一的标准,而且现有的微钙化良恶性分类的文献中对小波基的选取对分类结果的影响很少提及。此外,目前所用的基于小波的特征比较单一,不能取得好的分类效果。本文主要针对微钙化的诊断分类技术进行了系统深入的研究,实现了对良性和恶性微钙化的有效分类。首先研究了小波基的特性及其对良恶性分类算法的影响;然后提出了采用单小波、多小波、方向小波和双树复数小波来进行小波变换,并提出了两组有效的多尺度纹理统计特征;最后提出了结合遗传算法(GA)和K邻域(KNN)分类器的微钙化诊断算法。运用该算法对Nijmegen数据库中的乳腺图像进行分类,采用ROC曲线和Leave-one-out的误差估计方法对实验结果进行评价,得到了ROC曲线面积Az高达0.9469的良恶性微钙化识别率。实验结果表明对于同一个乳腺X影像数据库,本文提出的基于小波的微钙化良恶性分类方法取得的效果要明显优于前人提出的方法。通过对实验结果分析,我们还对微钙化良恶性分类方法中的小波基的选取给出一些合理的建议。