乳腺癌是中老年妇女中发病率和死亡率最高的恶性肿瘤之一,其早发现及早治疗是提高治愈率和降低死亡率的关键。乳腺钼靶摄影是普查和诊断乳腺癌的最有效方法。但纯人工阅读钼靶片存在易疲劳、耗时多、误诊和漏诊率较大等问题。利用计算机图像处理和人工智能等技术建立计算机辅助乳腺癌早期发现和诊断系统,可以提高乳腺癌早期发现率和诊断准确率,使得诊断结果更具有客观性及精确性。论文围绕基于单幅乳腺钼靶图像的计算机辅助检测肿块方法开展研究,其目标是提高肿块检测的性能。研究内容包括：乳腺区域的分割、可疑病灶区域的定位、可疑肿块的分割、可疑肿块的特征提取、特征选择和分类等技术。最后通过系统的实验和分析验证论文所提方法的有效性。在乳腺区域分割上,从理论上分析了Otsu阈值的倾向性,得到了Otsu阈值会将方差大的一类对象劈开的结论。以此为基础,结合乳腺区域方差远大于背景方差的特点,提出了限制灰度范围的Otsu分割方法,继而对阈值分割结果采用形态学运算提取乳腺区域,能够得到理想的分割效果。在可疑病灶定位方面,系统地比较了不同大小和不同形态的模板的匹配性能。依据肿块中心灰度值较高、灰度向外逐渐缓慢减小、形状接近圆形的特点,以及模板尺寸与肿块大小相当时它们之间的相似度较高、小尺寸模板灵敏度高而大尺寸模板假阳性率低的性质,设计了多尺度Sech模板匹配方法,在保证高灵敏度的同时使得假阳性率较低。在可疑肿块分割方面,提出了限定区域的动态规划分割算法。首先采用平面拟合的方法校正感兴趣区域的灰度分布以增强可疑肿块,之后计算由径向梯度、偏离估计的可疑肿块边界灰度的程度、以及结点之间的距离组成的路径代价,并使用粒子群优化方法确定各代价的权重。采用限制最优路径的空间搜索范围的策略,解决了感兴趣区域中代价最小的路径并非最理想的肿块边界这一问题。以分割结果与金标准之间区域的重叠程度和边界之间改进的Hausdorff距离等指标对几种方法进行了比较,实践表明新的分割算法是有效的。在特征提取和选择方面,提取了灰度特征、形态特征和纹理特征共60个,并采用逐步判别法进行特征选择。在分类上,实现了Fisher线性分类器和Logistic分类器。最后利用留一法对采用全部特征和部分特征的分类器性能进行评估,得到相应的ROC和FROC曲线。通过对从美国南佛罗里达乳腺数据库中选出的数据进行测试,表明开发的乳腺肿块辅助检测系统具有较高的性能,为系统的临床应用奠定了良好的基础。