目的微钙化点是早期乳腺癌的重要征象之一,本文综合运用基于二维主成份分析的方法、小波边缘检测算法、神经网络等多种技术,建议一种计算机辅助医生进行乳腺X线图像中微钙化点检测的新方法,为乳腺病变的自动识别提供前期处理,为医生进行早期乳腺癌的临床诊断提供帮助。方法本文将乳腺癌计算机辅助诊断系统分为四个模块:乳腺X线影像中乳腺区域的提取;乳腺区域中感兴趣区域的提取;微钙化点自动检测;微钙化点良恶性分类。本文主要完成乳腺感兴趣区域提取和微钙化点自动检测这部分的工作。具体方法如下:首先选取40幅乳腺X线图像,利用手工方法获得100幅背景样本和100幅感兴趣区域样本,利用基于二维主成份分析的方法、边缘检测算法提取样本图像的主成份特征和边缘特征,组成输入特征向量,对神经网络进行训练。利用训练好的神经网络对另外61幅乳腺图像进行感兴趣区域提取。然后利用小波边缘检测、边缘细化、边缘连接算法获取ROI的边缘图像,采用形态学区域填充方法对边缘图像进行填充,最终获得微钙化点图像。结果本文选取了101幅乳腺X线图像,其中,40幅用于获得样本图像进行神经网络训练,其余的图像用于算法测试。结果显示,使用本文算法提取乳腺ROI得到92.5%的阳性检出率和8.5%的假阳性率,而仅使用主成份特征提取乳腺ROI则得到80.34%的阳性检出率和17.26%的假阳性率。使用小波边缘检测和形态学区域填充方法能够检测出感兴趣区域中的绝大部分微钙化点。结论对检测方法进行的仿真实验结果表明,优化组合多种图像特征进行神经网络训练,能够更有效地检测出乳腺感兴趣区域,与ROI提取方面的同类文献相比较取到较高的阳性检出率。使用边缘检测算法和区域填充方法检测微钙化点,简单易行,并且适应能力很强。