乳腺癌是全球女性发病率最高的恶性肿瘤，通过筛查实现早期发现、早期诊断和早期治疗对降低乳腺癌死亡率至关重要。乳腺钼靶X线摄影术是目前最普遍适用的乳腺癌筛查方法。借助计算机辅助检测技术，发现并检出乳腺钼靶影像中可能存在的病变区域供医生进一步诊断，有助于提高乳腺癌筛查的质量和效率。 乳腺结构扭曲是诊断乳腺癌的主要征象之一。有效检测和识别乳腺钼靶X线影像中结构扭曲是整个乳腺癌筛查计算机辅助检测系统中的关键部分之一。本论文的主要工作是研究其中的两项核心技术：其一是确定表达乳腺结构扭曲的特征参数以及提取该特征参数的方法；其二是设计合适的分类器，以上述特征参数为依据，正确识别乳腺钼靶影像中的正常乳腺与乳腺结构扭曲。 本文的主要研究内容如下： 分别从空间域和小波变换域两个方面研究表现乳腺结构特征的参数及其提取方法。 首先，分别以灰度共生矩阵的五个统计参数及其组合表达乳腺结构扭曲的纹理特征：依据F系数从中选择候选的特征参数或参数组合。用训练集样本训练线性判别分类器，并对测试集数据进行识别分类。根据识别分类结果，确定：在空间域特征中，灰度共生矩阵的熵(ENT)是识别乳腺结构扭曲的最佳统计参数。 其次，研究了十二个利用小波变换方法提取的表现乳腺结构的纹理特征参数，以这些特征参数或特征参数组合作为识别乳腺结构正常与扭曲的依据。用训练集样本训练支持向量机，优化其参数条件，并对测试集数据进行识别分类。根据识别分类结果，确定：在小波变换特征中，上述十二个特征参数的组合(ALL)构成识别乳腺结构扭曲的最佳高维特征空间。 最后，对上述两种方法进行了分析和比较，确定：以支持向量机为分类器，以小波变换特征参数组合ALL为分类依据，能以最高的正确识别率识别钼靶影像中的正常乳腺与乳腺结构扭曲(灵敏度为88.4％，特异度为98.7％，分类正确率达95％，ROC曲线下的面积为0.935)。