乳腺癌是威胁女性健康的常见肿瘤之一,早发现、早治疗是提高乳腺癌治愈率、挽救患者生命的重要途径。随着现代医学技术与信息技术的发展,医学影像学技术正在乳腺癌的早期检测与诊断中扮演着愈发重要的角色。计算机辅助诊断是医学影像学的重要应用之一,它通过自动检测与识别来帮助医师得出阅片结论,有效解决了医师容易疲劳及职业技能参差不齐的问题,在医学诊断中有着巨大的应用价值。因此,近年来,计算机辅助诊断系统成为了一个重要的研究热点。本文在前人基础之上,运用机器学习与数据挖掘的方法,构建起一个乳腺肿瘤计算机自动辅助诊断系统,并从以下三个方面对系统进行了深入的研究,从而实现诊断精度的提高:(1)研究针对乳腺肿瘤的分类技术,以找到适用于课题的最优分类器;(2)研究医学数据集中普遍存在的类别不平衡问题,并通过集成学习技术给出更好的解决方案,提高在正负样本数量失衡时的分类器性能;(3)研究肿瘤影像学特征的物理意义与统计学方法,进行特征提取与选择,结合子空间方法,实现特征的优化与降维。在DDSM乳腺X线图像数据及本文作者自行构建的乳腺核磁共振图像数据上的测试结果表明,该系统能够取得0.95以上的ROC-AUC数据,优于现有的顶级系统可得到的结果。简言之,本文基于机器学习与数据挖掘,对乳腺肿瘤计算机辅助诊断系统进行了深入研究,并取得了良好的效果。课题的研究成果有望全面提升现有CAD系统的性能,并对乳腺癌早期诊断精度的提升起到推动作用。