乳腺癌是妇女癌症中最常见的一种,其中乳腺钙化灶的出现,是存在早期乳腺癌的重要信号。早发现,早诊断,早治疗能够在一定程度上降低乳腺癌的致死率。目前在临床上,进行乳腺癌早期筛查的主要手段是乳腺X线摄影技术,在乳腺钼靶图像中,钙化灶通常表现为较亮的点状区域,但由于钙化灶通常非常小,以及与周围环境之间难以分辨,使得钙化灶特别是微钙化灶的检测对于放射科医师来说,仍然存在一定的困难。同时有经验的放射科医生一般会在多个视角图像中观察同一个病灶来进行诊断,但对没经验的医生来说,认识病灶之间的对应关系则是一项具有挑战性的任务。因此,如果能让计算机辅助检测乳腺钙化灶并给出两个视角之间病灶的匹配关系,将会大大减轻医生阅片的工作量。现有的基于乳腺钼靶图像的钙化灶检测方法,首先往往是基于单视图的方法,存在信息量不足的问题;其次已有的基于单视图的检测方法一类是利用手工特征进行检测,这种方法不仅复杂,同时还会存在大量的假阳性,且容易受乳腺致密性影响;还有一类方法是直接利用已有的基于深度学习的检测框架进行检测,而钙化灶在图像中非常小,特征难以提取的同时在检测过程中阳性锚点的数量也会非常少,容易存在样本不均衡问题。本文针对以上问题,提出了一个基于多视角乳腺钼靶图像的钙化灶检测与匹配网络,旨在能够从不同视角图像中检测钙化灶并给出钙化灶的匹配关系,从而得到结合多视角信息的钙化灶检测结果。具体而言,本文从以下三个方面展开研究:1)在钙化灶检测问题上,针对手工特征提取复杂的问题,本文采用目前在医学图像领域表现较好的基于深度学习的分割方法,避免了手工提取特征的过程;针对小病灶特征难以提取的问题,本文则在特征提取过程中将上采样以及下采样的特征结合来得到更加准确的分割结果,以及适当减少下采样的次数以避免小病灶过多的信息丢失;最后针对单视图信息量不够的问题,通过匹配不同视角图像中的钙化灶检测结果来进行假阳性的筛除,得到基于多视角图像的检测结果。实验结果表明引入多张图像信息能够有效提高钙化灶检测的精度。2)在钙化灶匹配问题上,针对钙化灶在图像块中占比很少,网络很难在匹配过程中有效的提取钙化灶的特征等问题,本文提出了带有注意力机制的匹配网络,通过计算两张输入图像特征之间的余弦相似度来分别构建注意力图,将注意力图与网络提取的特征加权平均得到引入注意力之后的特征,再送入后续的全连接层进行匹配。实验结果表明了引入注意力机制对匹配精度有所提升。3)最后是数据问题,目前能够用于乳腺钼靶图像病灶匹配的公共数据集几乎没有,已有的工作均为挑选仅含有一个病灶的病例进行匹配,本文收集并辅助标注了一批高质量且有多个病灶之间对应关系的病例,对后续病灶匹配的研究工作有重要意义。