乳腺癌是妇女常见的恶性肿瘤之一,早期发现、早期诊断、早期治疗是降低乳腺癌死亡率的关键。乳腺钼靶X线摄影是目前临床诊断乳腺癌的有力工具。但钼靶X线影像的信息只有很少部分能为人眼识别,即使富有经验的医生也很难及时发现钼靶X线影像上早期乳腺癌的微钙化点,以致延误病人的治疗时机。可以说,实现乳癌早期诊断的关键技术之一是及时发现乳癌X影像中的微小钙化并判断其是否有恶化倾向。随着计算机技术的飞速发展,基于传统乳腺钼靶X线影像的计算机辅助检测微钙化点己成为乳癌早期诊断的研究热点。这主要是因为细小、颗粒状的微钙化点是乳癌的一个重要早期表现。国外统计资料表明占30%~50%的乳腺恶性肿瘤伴有微钙化。因此,不断提高微钙化点的检出率和准确判别其恶性度成为众多学者孜孜以求的目标。本文主要针对乳腺微钙化点计算机辅助诊断(CAD)中的若干关键技术进行了系统深入的研究,实现了对微钙化点的定位以及对病变类型的诊断。首先提出基于数学形态学和小波变化的微钙化点定位的综合算法,提高了检出率,降低了假阳性;然后在原始感兴趣区域及定位后的图像中提取特征参数,以此利用概率神经网络对有无微钙化点和病变类型进行诊断。运用该算法对MIAS中乳腺图像进行分析,得到80.2%的微钙化点检出率,73.3%的有无微钙化点的识别率和77.78%的良恶性微钙化点识别率。结果证明了本文建立的计算机辅助诊断系统具有较高的微钙化点检出率和较准确的恶性度判别性能,为乳癌早期诊断研究提供了一套新方法。