乳腺癌已成为继肺癌之后导致妇女死亡的第二大病症。作为诊断乳腺癌最主要手段之一的X线乳腺癌照片有着分辨率高、单点象素深度大的特点,从而使得普通的乳腺癌检测算法会遇到速度这一瓶颈问题。本文旨在保证有效性的前提下解决速度瓶颈问题,从而展开以下工作:提出一种新的寻找感兴趣区域的策略,并据此进行快速特征提取和分类;引入层叠思想,加快感兴趣区域提取的速度;并将多尺度引进感兴趣区域提取的域框架中,进一步提高排除非微钙化区域的能力。现分别介绍如下:1、目前寻找感兴趣区域的算法都是直接寻找可能包含微钙化的区域,由于微钙化本身比较复杂,从而加大了寻找算法过于复杂的可能性。本文通过一种相反的策略来达到降低算法的复杂度,即寻找相对比较简单的背景,通过排除这些背景来达到间接地获取可能包含微钙化的区域。2、为加速整个算法的速度,采用两级分类器层叠的思想。首先采用相对简单的阀值法进行大规模的分类,然后对剩余的还不能够确定的区域采用相对复杂的代价敏感的支持向量分类器进行进一步分类,从而在保证精确度的同时,极大地提高了算法执行速度。3、采用多尺度思想,从不同角度提取特征。低尺度能够反映全局信息,对噪声有较强的抗干扰能力,但对小区域的微钙化不敏感,容易丢失较小的微钙化区域;高尺度能够反映局部信息,尤其当尺度接近微钙化的平均直径时区分普通区域和微钙化区域的能力将会最大化,但却会导致计算量增加,对噪声也会变得非常敏感。为此,采用多种尺度的集成方式,结合它们各自的优点,从而提高算法排除非病变区域的能力。4、对微钙化的检测展开了部分工作:对经典的LOG微钙化检测进行了改进,提出了一种快速LOG微钙化检测算法,在确保原LOG方法同样的精度下,极大地提高了运行速度。