基于参考图像的乳腺肿块计算机辅助诊断(Computer-aided diagnosis, CAD),不仅提供待诊乳腺图像可疑肿块的决策值,指示其为肿块的可能性,而且提供一系列与待诊图像相似的确诊参考图像,供医生比较。相对于只提供决策值的传统乳腺肿块CAD,有独特优势。研究围绕基于参考图像的乳腺肿块计算机辅助诊断展开。主要内容包括可疑肿块分割、相似性度量中特征选择和特征权重计算、决策值计算。在可疑肿块分割方面,提出一种改进的动态规划分割算法。首先采用基于模板匹配的方法,确定边缘点取点区域范围,排除了一部分具有强边缘特征的非边缘组织的干扰。其次,利用混沌粒子群优化算法计算边缘代价各组成部分的权重。相对于人工设定,更易获得合适的权重。在相似性度量中的特征选择和特征权重计算方面,采用加入了一种跳坑策略的粒子群优化算法计算特征权重。当权重为0时,对应特征不被选择用于度量相似性。此方法可将特征选择和权重计算一体进行。在决策值计算方面,提出了一种计算可疑肿块决策值的混合分类器。该分类器将KNN分类器和Logistic回归分类器相结合,充分利用各分类器在特定条件下的优势。采用230幅有肿块边缘金标准的乳腺图像测试分割环节,结果表明改进算法改善了分割效果。采用1220幅乳腺图像测试决策值计算环节,混合分类器的ROC曲线Az值达到0.8842,优于KNN和Logistic回归分类器,表明混合分类器提高了决策值分类效果。