乳腺癌是妇女常见的恶性肿瘤之一,防治的关键在于早期诊断。乳腺钼靶X线摄影是目前诊断乳腺癌的首选方法,但是由于早期乳腺癌的影像学特征不明显,因而即使有经验的医生也会遗漏一些微小病变区域。随着影像学和计算机技术的迅速发展,基于乳腺钼靶X线摄影的乳腺癌计算机辅助诊断系统已能够为医生提供一致性和重复性均好的“第二观感”,大大降低了假阴性率,提高了真阳性率。肿块是乳腺癌在X线图像上的一个主要征象。本文研究了乳腺肿块计算机辅助检测算法。首先,针对乳腺X线图像数据量大,直接在乳腺X线图像中检测肿块疑似区域非常困难且耗时的问题,根据乳腺肿块的特点,提出了一种乳腺肿块疑似区域快速搜索算法,它通过对三次滤波结果的比较和形态学开运算,能够在乳腺X线图像中快速地搜索到肿块疑似区域。接着,为了更精确地分割出肿块疑似区域的轮廓,改进了一种基于形态学的图像增强方法,它不仅有效地抑制了图像中的背景区域,凸显出了肿块疑似区域,还可以滤掉黑色的小洞。在此基础上提出了一种基于最大类间方差法(OTSU)的肿块疑似区域分割算法,它以搜索到的肿块疑似区域为“种子点”,从增强图像上自动获得初始的矩形感兴趣区域(Region of Interest, ROI),并通过自动修正OTSU阈值和自动调整ROI边界,最终确保整个肿块疑似区域完全位于ROI中,并将其完整地分割出来。最后,为了减少大量假阳性区域,对分割的肿块疑似区域进行特征提取和分类。实验结果表明,本文提出的检测算法是一种快速有效的算法。由于本文提出的算法具有一般性,因此可以推广到其它肿瘤检测问题中去。