乳腺X线成像是一种早期检测乳腺癌的主要手段。人们提出利用计算机技术辅助医师阅读X线图像,从而减轻医师在阅片时的负担,提高乳腺癌诊断的准确率。本论文主要介绍作者在乳腺肿块方面计算机辅助诊断技术的研究工作,包括乳腺图像预处理、种子点的肿块分割和感兴趣区域的快速搜索三部分内容。在乳腺图像预处理方面,作者主要介绍乳腺轮廓提取算法和边缘灰度补偿算法。这两个算法的目的是获得图像中的乳腺区域,同时补偿由于乳腺边缘区域厚度变化造成的灰度变化,算法主要基于数学形态学运算尤其是分水岭变换。轮廓提取算法的结果由临床医师评价,实验结果表明本文提出的轮廓提取算法准确有效。种子点的肿块分割算法的目的是在预先知道肿块内部的一个点的基础上,利用计算机图像处理技术获得一个肿块边界的最优近似。作者首先提出一个肿块的模型,在此基础上定义了肿块边界,利用基于数学形态学的加权区域膨胀算法和离心梯度均值确定最优的边界。我们把分割算法获得的结果与医师人工勾画的肿块区域比较,结果显示我们的算法与目前国际提出的分割算法具有相似的分割精度,但是这种算法更符合DDSM中医师定义的肿块边界,而且算法对种子点的位置具有鲁棒性。除了目前国际比较通用的评价方法,作者还提出了一种种子点阵评价,用来估计算法对种子点的鲁棒性。感兴趣区域的快速搜索算法主要是在整个乳腺区域内搜索可疑的区域,这些区域具有与肿块区域类似的图像特征。作者主要利用多尺度下的通用邻域算子计算像素的一阶梯度,通过判断一阶梯度的方向寻找图像中的亮斑,从而获得可疑的区域。评价方法也是把分割算法获得的结果与医师标记的肿块比较,实验结果显示在保证90%的真阳性被检测出来的同时,平均每张图片会检测出5~6个假阳性。上述三个部分的工作实现了一个完整的乳腺肿块计算机辅助诊断系统的部分功能。