乳腺癌是女性最常见的恶性肿瘤之一,已经成为女性的致命杀手之一,在无法采取有效措施及时预防乳腺癌的情况下,对适龄妇女的乳腺普查是早期发现、早期诊断和早期治疗,提高乳腺癌治愈率和降低死亡率的关键措施之一。由于客观条件的限制,乳腺普查时迫切要求利用计算机图像处理的方法辅助医生在较短的时间内做出快速准确的诊断,因此,早期乳腺癌的计算机辅助诊断方面的研究已经成为乳腺图像处理领域研究的热点和难点问题之这方面的研究不仅具有重大的理论价值,也具有重要的社会意义。本论文正是针对上述问题,对早期乳腺癌的计算机辅助诊断算法问题作了探索性研究。主要内容为：首先介绍了乳腺癌的影像学表现和诊断。对乳腺癌的钼靶X线表现,CT所见,磁共振影像表现和特殊造影表现进行概括的描述。在乳腺钼靶X片图像中,乳腺只占据图像中的一部分区域,其它区域为含有噪声的低灰度区为了提高后续算法的处理速度,必须首先提取乳腺区域,乳腺区域提取后,需要提取乳腺中的感兴趣区域。本文对此方面的研究也做了介绍。乳腺钼靶X线片微钙化点自动提取是乳腺图像处理中的难点和重点之一是乳腺计算辅助诊断的关键步骤之一。许多算法已经被提出,但由于阳性检出率低,假阳性率高,不能完全满足临床应用的需要。本文提出一种基于克隆算法的微钙化点自动提取方法,目的是获得高阳性检出率和较低的假阳性率。该方法基于对克隆技术分析和假设的基础上,模拟动物克隆过程,建立了一种新的克隆算法数学模型,该模型将克隆看作是一个遗传信息在最优激活因子控制下被不断展开和表达的过程,根据遗传信息的表达对感兴趣区域中的微钙化点和背景进行分类,而最优激活因子通过迭代算法得到。本文的数学模型被用于乳腺钼靶X片微钙化点自动提取,取得较好效果。计算机仿真结果验证了本文算法的有效性。本文进行了微钙化点病变类型识别算法的研究,通过钙化点特征提取和优化及病变类型识别,给出初步诊断结果。最后,关于进一步工作的方向进行了简要的讨论。