乳腺癌是女性最常见的癌症之一，是当今世界妇女恶性肿瘤死亡的首位原因。乳腺钼靶X线影像计算机辅助诊断(Computer Aided Diagnosis，CAD)系统可以辅助医生诊断，提高乳腺癌病变的检测精度，这已经被许多学者广泛研究。在目前的乳腺CAD系统中，已经有很多乳腺癌钼靶X线影像肿块分类算法研究，分类器融合算法能够提高分类精度，已在很多领域被证实。因此，本文试图构造一种的融合分类器，并将其用于对乳腺癌钼靶X线影像中的肿块进行分类。传统的融合方法一般是先提出某一计算模型，根据训练样本估计模型中的参数，使该模型在统计意义上达到最优，而没有考虑各个样本的具体情况，即不考虑各分类器关于某一样本的置信度，这就使得分类器的输出结果总是按固定的权值被融合在一起。Multi-Agent算法正好弥补这一缺陷，当输入一个新的样本，多个自主Agent进行交互协调，进行调整各自的决策和行为，进而给出一个比较满意的决策结果。鉴于这一点，本论文将Multi-Agent融合算法应用到乳腺钼靶X线影像CAD系统的肿块分类中，论文的工作内容以及创新点主要有以下几点:(1)、深入分析Multi-Agent算法的理论特点以及与乳腺钼靶X线影像肿块分类检测的关联，并在前人的理论基础上进行算法改进，将单分类器的度量值信息引入到融合算法中。(2)、提出两种新的肿块特征，并结合已有的5种特征构成新的肿块特征表征组，与传统肿块特征组进行比较。实验结果表明，新特征组可以用于肿块分类。(3)、首次提出并构建基于Multi-Agent融合算法的肿块分类模型，阐述了该模型的处理流程。将Multi-Agent算法和传统的融合算法进行比较，实验结果表明，Multi-Agent算法可以提高乳腺CAD系统的肿块分类性能，并且在分类精度和稳定性上优于实验中的其他融合算法。(4)、将Multi-Agent融合算法应用到乳腺钼靶X线影像双视角信息融合肿块分类当中，并进行实验。初步探讨了双视角融合的意义以及双视角模式下基于Multi-Agent的乳腺CAD肿块分类性能。