乳腺钼靶X 线影像是目前医生诊断乳腺癌的有力工具,但是由于乳腺组织的特殊性(乳腺组织的各部分密度比较近似),使得乳腺组织的成像质量受到限制,从而导致一些微细的病变未能为医生所觉察。计算机辅助诊断系统为医生提供一致性和重复性均好的“第二观感”,大大降低了假阴性率,提高了真阳性率。簇化的钙化点是乳腺恶性肿瘤在X 线图像上的主要表现,所以对微钙化点簇进行分类即可完成对乳腺肿瘤的诊断。本文主要针对乳腺微钙化点计算机辅助诊断(CAD)中的若干关键技术进行了系统深入的研究,实现了对微钙化点像素的检测和对微钙化点簇的诊断分类。首先提出基于小波变换的微钙化点区域分割算法,准确的分割出微钙化点区域;然后提出用支持向量机自动寻找出能表征钙化点像素的特征,作为分类器(支持向量机)的输入进行钙化点伪点去除,提高了微钙化点的检出率,降低了假阳性。经过钙化点聚簇,以单位面积上的钙化点密度为依据,标注出可疑的钙化点簇区域;最后提出提取微钙化点簇纹理、形状和钙化点数目等方面的特征,作为分类器(支持向量机)的输入,完成钙化点簇病变类型的判定。通过临床实际数据所做的测试实验表明了本文所提出的乳腺微钙化点检测与分类算法及其应用的有效性。由于该算法和训练方法具有一般性,因此可以推广到一般弱小目标检测问题中去。