乳腺癌是一种常见的恶性肿瘤,早期诊断和治疗是降低乳腺癌死亡率的关键。乳腺钼靶X线摄影是目前诊断乳腺癌的首选方法,但由于早期乳腺癌的影像学特征并不十分明显,因而即使富有经验的医生也很难及时发现图像中所有可能的病变区域。随着医学和计算机技术的迅速发展,根据乳腺钼靶X线摄影来进行乳腺中肿块及微钙化点的计算机辅助检测已成为乳腺癌早期诊断的研究热点。好的计算机辅助检测系统能够有效地防止因为视觉疲劳和疏忽而造成的误诊和漏诊,帮助医生更好地识别图像中的微小病变。肿块是乳腺癌在X线图像上的一个主要表现,本文提出了几种新的检测算法来进行乳腺X线图像中肿块的自动检测。首先,提出了一种新的基于形态学的图像增强方法,有效地抑制了图像中的背景区域,凸现了肿块区域;在此基础上,根据增强图像及原图中象素的灰度和对比度等特征,提取出饱满的种子区域;利用这些种子区域,根据一种有效的模糊区域生长方法和Vague集的概念,提出了基于Vague集的模糊区域生长方法,保证了生长结果接近肿块真实形状,同时也确保了生长的稳定性;由于一些低密度肿块区域的存在,使得单一灰度尺度上的检测不够完全,于是本文又提出了一种在多个灰度尺度上检测肿块的分层检测方法,有效地检测出了图像中特征不明显的肿块区域;由于提取出的感兴趣区域中存在大量假阳性区域,为了提高检测结果的精度,在对感兴趣区域进行了特征提取后,将SVM分类器应用于肿块区域和正常组织的分类中,取得了良好的检测结果;为了进一步提高真阳性率而降低假阳性率,还引入了相关反馈的方法,使得假阳性区域进一步减少。实验结果表明,本文提出的检测方法取得了良好的检测结果,相信经过不断的努力和改进,这些检测算法将具有广阔的应用前景。