乳腺癌是一种高发病率的恶性肿瘤。乳腺钼靶x线摄影术是早期诊断乳腺癌的最可靠且有效的方法。基于乳腺X线图像的乳腺癌计算机辅助检测与诊断系统(Computer–Aided Detection and Diagnosis,CAD)作为医生的“第二双眼睛”,提高了诊断的准确性和客观性并降低了工作量。目前应用于临床的系统多数是基于单幅视图的,它们具有敏感度高但假阳性区域较多等特点。针对基于单幅视图的乳腺癌计算机辅助检测与诊断系统(以下简称单视图CAD系统)中存在的假阳性区域较多的问题,在其结果之上提出了一种基于多幅视图的解决方法。该方法综合同一乳房的不同视图中的信息,利用同一肿块在不同视图中表现出的某些特征具有不变性的特点,通过对单视图CAD系统检测出的疑似病灶区域在不同视图之间进行匹配,并提取视图不变性的特征,然后采用模式分类的方法确定该匹配对是否为肿块并进行决策。基于多视图的方法是以单视图CAD系统为基础,性能受单视图CAD系统的结果影响,其关键是疑似病灶区域的准确分割和有效特征的提取。对此,结合最大熵阈值分割、基于梯度的初始圆轮廓估计和活动轮廓模型方法提出了一种新的分割方法,然后在已有特征的基础上结合分割结果的特性提出一些新的特征,并在之后使用逐步线性判别分析法进行特征选择。实验选取美国南佛罗里达大学提供的数字化乳腺X线摄片数据库中184个病例,保留其中一侧乳房中含且仅含一个肿块的两幅图像共368幅。当基于单幅视图检测方法的敏感度为85%时,假阳性区域的个数为564个。保持这个敏感度的情况下通过使用基于多视图的方法使假阳性区域个数降低为204个,平均每幅图像降低了一个左右,一定程度上提高乳腺癌CAD系统检测的准确性。