乳腺癌发病率每年持续增长,现已经成为危害女性健康的癌症之首。早期发现、早期诊断和早期治疗成为乳腺癌最主要的诊断手段,由于高空间分辨率和对乳腺肿块和钙化高敏感率,乳腺X线摄影术已经成为诊断乳腺癌最主要的影像学手段。在乳腺X线影像图像中,乳腺肿块是最基本、最常见和最重要的恶性病变特征。本文基于乳腺X线影像图像,提出一种自动的适用性较强的乳腺肿块检测算法为医生诊断提供更正确的参考信息,同时在乳腺肿块检测基础上,研究乳腺肿块位置分布规律,为乳腺癌早期诊断和病理分析提供一种可靠的鲁棒性较强的分析乳腺肿块分布规律的工具。本文提出的一种自动的适应性较强的乳腺肿块检测算法分为以下三个部分。第一,本文针对乳腺肿块特征多样性,提出一种改进的基于动态规划的分割方法,对乳腺肿块尺寸、位置和密度均有很高的鲁棒性,得到了乳腺肿块精确的边界。第二,针对乳腺肿块明显的纹理特性,本文在分割基础上,拟合乳腺肿块轮廓,得到肿块环形感兴趣区域,将其展开得到RBST图像,在RBST图像上提出基于灰度共生矩阵的纹理特征提出方法。由于RBST图像和灰度共生矩阵均能更好地反映纹理特征,从而基于RBST图像的基于灰度共生矩阵的纹理特征提取方法能提取有效的肿块特征。第三,为提高分类器泛化性能,本文采用自适应确定参数的支持向量机分类器进行分类识别。对于灰度不均匀的肿块数据,与基于感兴趣区域形态学特征的肿块检测算法相比,本文提出的肿块检测算法在保证假阳率不变情况下,检出率提升了15%。在肿块检测基础上,研究乳腺肿块位置分布规律,提出可靠的鲁棒性较强的分析工具主要包括以下三个部分。首先选择参考的标准图像同时建立乳腺肿块金标准数据库。其次利用去胸肌算法和去夹肉算法得到乳腺轮廓,利用CPD配准技术将每个乳腺轮廓与参考的标准图像轮廓进行配准,从而确定肿块中心点的分布。最后,通过测试大量的肿块数据,分析肿块在乳房区域分布规律,得到外上象限时乳腺肿块主要分布区域,从而为乳腺癌早期诊断和病理分析提供有价值的参考信息。