摘要：乳腺癌是困扰当代女性身心健康的最常见的恶性肿瘤之一,已成为35～60岁城市女性的“头号杀手”。早发现、早诊断、早治疗对降低乳腺癌的死亡率具有举足轻重的作用。由于诊断医师受工作经验、持续工作时间等主观因素的影响,乳腺X线诊断的准确率一直难以保证,计算机辅助检测技术的出现在一定程度上解决了这一难题。目前普遍使用的乳腺肿块计算机辅助检测方法肿块检出假阳性率高、正确识别率低,其根本原因在于单幅乳腺X线图像中信息的有效性和有限性。融合多幅乳腺X线图像信息的肿块检测方法很好地解决了这一问题,成为国际上乳腺癌辅助检测技术的研究热点。为提高乳腺肿块的检测水平,本论文采用多幅图像信息融合的方法,实现基于乳腺同侧CC视图和MLO视图X线图像的肿块检测。本文主要针对乳腺肿块分割和乳腺肿块识别两方面进行了研究,取得了以下成果：1.提出了一种基于改进分层检测的乳腺肿块分割方法。本文针对王颖等人提出的分层检测方法对图像清晰度要求较高、假阳性区域较多等问题,提出了改进方案和更为准确的分层模型。经临床乳腺X线图像测试表明,通过乳腺图像预处理去除高灰度干扰区域、每层肿块检测结果假阳性区域剔除并应用本文改进的分层模型,该方法得到的肿块边界标定准确,肿块检出率达98.1%。2.实现了一种基于多幅乳腺X线图像的肿块识别方法。首先根据设计的基于乳腺轮廓和胸肌线的乳头定位方法进行参考位置选取,然后依据该参考位置匹配乳腺同侧CC视图和MLO视图及分割区域,实现两视图的信息匹配；再根据乳腺肿块的自身特征进行匹配区域特征信息提取；最后利用BP神经网络模型实现乳腺肿块识别。实践表明,应用相同的BP网络设计方法和图像库进行算法验证,基于单幅乳腺X线图像的检测方法肿块识别正确率为84.2%,本课题研究的基于多幅乳腺X线图像的检测方法肿块识别正确率为88.7%。与基于单幅乳腺X线图像的肿块检测方法相比,融合多幅乳腺图像的肿块检测方法由于已知信息量增加,信息的可靠性和有效性增加,肿块识别正确率也相应提高。该研究成果很好地解决了当前普遍使用的基于单幅X线图像的乳腺肿块检测系统信息量不足的问题,为乳腺癌辅助检测系统的改进提供了新的解决方案。