以国家自然科学基金资助课题“基于医学图像数据挖掘技术的研究”为背景,本文研究了支持向量机(SVM)、粗糙集(RS)等理论等在医学影像领域应用中的关键技术和主要算法,提出改进的支持向量机分类算法,并应用于开发的基于乳腺影像数据库的乳腺癌辅助诊断系统。主要研究工作包括:1.图像增强和特征提取根据乳腺影像的特点,使用直方图均衡化算法进行图像增强。在特征提取方面,实现了灰度共生矩阵纹理分析方法,提取与方向无关的26个纹理特征和4个灰度统计特征,构造乳腺影像的正常、异常分类器的输入。实现的图像分割算法,有效地分割出潜在的肿块区域,在此基础上提取形状特征,构造乳腺影像的良性、恶性分类器的输入。实验表明,这两种特征提取方式提高了乳腺影像分类器的性能。2.基于修正的近似支持向量机算法(MPSVM)实现了MPSVM算法。对SVM深入的剖析基础上,研究了近似支持向量机(PSVM)分类思想,PSVM具有速度快易于实现的优点,针对PSVM在非平衡样本集应用过拟合样本点数较多会导致整体较低的缺陷,实验表明,MPSVM算法有效提高了非平衡数据集的分类精度。3.基于粗糙集与MPSVM相结合的分类器(RS-MPSVM)研究RS理论,提出粗糙集和MPSVM相结合的方法,使用连续属性离散化算法对纹理特征进行离散化,用RS理论判别属性的重要性,去除冗余特征,进行属性约简,以降低输入空间维数,进而设计RS-MPSVM分类器进行训练。实验结果表明该方法能有效地提高分类的性能。4.根据乳腺影像的纹理、形状特征和分类方法,利用MyEclipse软件,集成上述工作,开发实现了一个基于支持向量机的乳腺癌辅助诊断原型系统。