本文对自动医学图象分析的计算机辅助检测问题进行了研究,提出利用机器学习技术实现计算机辅助检测的两种新方法,并基于所提出的方法构造了完整的检测系统,用于检测医学图象中存在的病变。针对数字X光乳腺图象,本文对所提出的两种方法和完整的检测系统进行了设计、验证和分析。本文将计算机辅助检测的图象分析过程分为两个阶段考虑:对包括图象调整和图象分割步骤的第一阶段,本文提出了利用强化学习技术实现自适应图象分割的方法,可以根据输入图象的特征选择适当的处理算法并配置适当的参数,从而获得最优的分割结果。对包括特征提取和对象识别步骤的第二阶段,本文提出了利用多分辨率直方图特征表示以及核分类算法实现自动病变检测的方法,消除或限制了特征选择步骤,可以同时检测多种类型病变,而不必分别对各种病变进行检测。结合所提出的两种方法,本文构造了完整的检测系统,并通过适当的调整对系统性能进行优化。实验结果表明:自适应图象分割方法对不同类型图象都可以达到很高的分割精度;自动病变检测方法对多种类型的病变同时进行检测也能够获得满意的检测性能;完整检测系统达到或超过了以前提出的针对单一类型病变检测系统的平均性能。