钙化簇是乳腺癌的主要征象,而钼靶X线影像是乳腺钙化簇检测的筛查手段。由于影像数量过多及质量的差异,导致医生产生视疲劳,容易造成阅片过程中漏诊和误诊。计算机辅助检测能够在一定程度上帮助医生发现不易察觉的病灶,被称为放射医生的“第二双眼睛”。本文针对钼靶X线影像的计算机辅助乳腺检测中存在的感兴趣区域难以提取、没有集成人类学信息等问题,提出了基于模糊分类器的融合检测方法,具体研究内容为：(1)针对传统计算机辅助检测中,乳腺感兴趣区域主要依靠手工标定或半自动提取,提出了一种全自动提取可疑区域的方法。核心思想为先对正常组织纹理信息进行统计建模,再根据到统计模型的距离确定图像中典型的示例作为可疑区域。实验表明,该算法在不影响检测性能的情况下,可以大幅度降低提取感兴趣区域的时间复杂度和空间复杂度,且比多示例算法正确率高近10%。(2)针对传统计算机辅助检测中,乳腺特征集合仅依赖于图像低层特征,没有利用人类学的先验知识,造成特征集合来源单一,给出了人类学信息与图像信息的特征融合方法。包括基于多核支持向量机的融合方法、基于多分类器集成的融合方法以及基于权重分配的融合方法。实验表明,这几种算法能够使检测假阳性率降低近5%,但是对真阳性率无明显提高。(3)针对传统计算机辅助检测中,模糊分类器的隶属度函数为单一线性函数,使得有效样本具有不确定性,提出了基于线性和致密度的混合隶属度函数,并集成模糊支持向量机和模糊K近邻分类器,选择分类概率值较大的作为最终检测结果。实验表明,该算法能够使检测准确率提高近4%,真阳性率提高近3%。综上所述,本文提出的改进的计算机辅助乳腺钙化簇检测算法,有效的提高了钙化簇的检测性能,并成功应用于计算机辅助检测系统。