乳腺X线成像是检测早期乳腺癌的主要手段。利用计算机辅助医师阅读X线乳腺图像,减轻医师在阅片时的负担,进而提高乳腺癌诊断的准确率具有重要的临床意义。本文主要介绍了在乳腺图像计算机辅助诊断技术的研究方面的工作,包括关于乳腺轮廓分割、图像增强、肿块异常ROI快速检测。乳腺轮廓提取的目的在于将乳腺区域从背景中分离出来,减少背景对算法稳定性的干扰,同时也减少了运算量。本课题结合直方图统计技术,利用双阈值法将乳腺图像分成三个部分,再利用分水岭找出脊线,即乳腺轮廓。乳腺图像增强的目的在于加强乳腺图像的对比度,使异常区域更加突出。一方面,图像增强强化乳腺的针状特征,尤其是恶性的肿块区域,血管异常丰富,通过增强可以使后续的算法更容易辨识出恶性肿块;另一方面,我们的乳腺图像增强工作,可以方便医师快速定位异常区域,减少医师的工作量。在乳腺区域提取和图像增强的基础上,我们对乳腺区域进行快速搜索,寻找可疑肿块区域中心。肿块区域特点是由中心向外围灰度递减,同时恶性肿块往往还伴随有针状特征。在这里我们主要利用多尺度下的图像梯度信息表现针状特征,即被观察点周围像素灰度下降速率和梯度方向的向心率的统计,进行全局搜索,从而找到可疑区域。算法的评价标准是将搜索获得的肿块中心与医师标记的肿块区域进行比较,评价结果显示我们的算法基本能将肿块全部搜索出来。在第五章中我们给出了实验结果。上述系统的开发工作是在实验室完成的,使用了美国乳腺X线图像库的数据,若能结合医院临床的实践将更有价值,同时临床应用也是我们的目标。