乳腺癌是全世界女性最常见的恶性肿瘤之一,且其发病率和死亡率在近年呈现迅速增长的趋势,早期的发现与确诊是降低乳腺癌死亡率的关键,也是早期诊断的关键。其中,肿块是乳腺疾病X线摄影诊断中最常见的直接征象之一,在此背景下,本文主要研究肿块的检测与良恶性识别。本文主要分为两个部分:肿块的检测和良恶性识别。检测部分使用的是一种分析双视图乳腺图像的方法。在现有的肿块检测方法中,只使用单个视图的乳腺信息,会产生较多的假阳性。本文首先使用多同心层(Multiple Concentric Layers,MCL)初始检测方法检测出单侧乳腺的可疑区域;然后利用基于圆弧的方法,在乳腺的头足轴(CC)视图和侧斜(MLO)视图上对相应区域进行匹配。除了提取几何特征和纹理特征之外,在匹配后的一对可疑区域中提取了相似特征,有效的利用了两个视图上的信息;接着使用双支持向量机递归特征消除(MTWSVM-RFE)进行特征选择,双支持向量机(TWSVM)进行分类,有效的减少了假阳性。肿块良恶性识别部分主要提出一个非平行的双支持向量机联合L21范数(TWSVML21)的特征选择方法,新加入的L21正则项具有组稀疏性,能从正负样本中选出重要的特征。由于新加入了L21正则项,会导致目标函数求解困难。本文提出了一种迭代的算法来求解目标函数。在实验部分,将提出的TWSVML21应用到了肿块的良恶性识别问题上,在其他的三个基准数据集上也进行了试验。结果表明,本文提出的TWSVML21具有可行性和有效性。DDSM数据集上的测试结果表明,双视图的肿块检测能有效的减少假阳性,基于TWSVML21的肿块良恶性识别也能达到预期的效果。