由于科技飞速的发展和经济的增长，国民的生活水平得到了明显改善，但是随之也带来了一些问题，如，环境的严重污染，癌症率的持续升高等等。占女性癌症第一的乳腺癌，对女性朋友的健康产生了严重影响。“早发现早治疗”是目前降低病人死亡率的重要手段。目前，主要采取的治疗方法是，先通过X光片，核磁共振，CT等医学设备获得影像图片，然后通过医生用肉眼进行观察识别，诊断病症。但是由于医生的技术水平，疲劳等等因素，往往造成了较高的漏诊和误诊率。近年来，随着计算机技术及图形图像处理的发展，医院逐渐进行了信息化普及，医学图像可以进行统一的存取和管理，但随之也产生了一个问题，面对如此海量的数据，如何发现隐藏的有用信息，以帮助医生诊断，提高诊断的准确性和工作效率。鉴于此，我们考虑将数据挖掘技术应用到医学中，产生了医学图像数据挖掘。国内外在医学图像数据挖掘的研究上已取得了很多成果，但由于其复杂的特点，例如医学图像的高分辨率，异构等特点，尚未得到了一个令人满意的解决方案。所以，针对医学影像的数据挖掘仍具有非常大的现实意义和宽泛的前景。本文从数据挖掘的角度出发，着重研究了决策树、基因表达式编程等算法，并结合了双方的优点，提出了改进的基于GEP的集成决策树融合算法（GEP-DT算法）。并将GEP-DT算法应用于乳腺X线图像的分类诊断中，构建了一个基于GEP-DT的乳腺X线图像分类器，以提高病症诊断率，减少漏诊和误诊率。本文的主要研究工作如下：(1)分析了乳腺癌在我国现阶段的状况，提出了构建计算机辅助诊断系统的重要性，并介绍了乳腺癌病变的相关知识，包括乳腺癌病变表现的征象及相关的影像技术检查手段，介绍了目前国内外针对乳腺X线图像在图像处理和挖掘算法两方面的研究现状。(2)系统阐述了决策树和基因表达式编程的相关理论知识，分析了决策树和基因表达式编程的各自的优缺点，根据集成思想，结合两者的优点，本文提出了基于GEP的集成决策树融合算法（GEP-DT算法）。并尝试了与几种算法进行实验对比，证明了GEP-DT算法具备了杰出的性能。(3)将本文提出的GEP-DT算法应用在乳腺X线图像病症分类诊断中，构建了一个基于GEP-DT的乳腺X线图像分类器。并着重针对乳腺X线图像的特点，分析了相关的图像处理技术，如图像的灰度归一化，去噪，增强等预处理，图像分割，特征提取等等，得到了适用于乳腺X线图像的图像处理算法。最后通过在MIAS数据集上的实验仿真，对比了分类器的准确率，灵敏性，特异性以及ROC曲线分析，证明了本文提出的GEP-DT分类器具有良好的性能。