乳腺X线片作为一种有力工具，越来越多的医生在临床中借助它进行早期的乳腺癌诊断，而采用计算机辅助诊断有助于提高医生诊断的敏感性和特异性，因此乳腺计算机辅助诊断(乳腺CAD)逐渐成为乳腺癌早期诊断研究的热门课题。　　 钙化检测是乳腺CAD的重要部分，本文将钙化形状和尺寸结合，首先提出两种检测方法：一种是用小波和Hessian矩阵，将图像进行三尺度分解，每一尺度的结果经钙化增强算子增强，用局部方差直方图设定阈值，大于阈值的区域为钙化；另一种是用高斯函数和Hessian矩阵，求高斯函数的二阶导数，将其与图像卷积，卷积后图像经Hessian增强算子增强，用局部方差直方图设定阈值，大于阈值的区域为钙化。在研究过程中，为了减少纹理钙化假阳，提出Bayes分类方法，提取图像的8个特征，训练Bayes分类器剔除纹理假阳。将分类器与两种钙化检测算法结合后，用医院实际数据对两种算法进行评估，与平台中的原算法相比，检出率均有提高。前者的检出率提高12.3％，假阳率降低11.5％；后者的检出率提高14.9％，假阳率降低23.1％。　　 通过将第二种算法与Bayes分类器结合，能够显著提高乳腺X线片的钙化检出率和降低纹理假阳率。最后，结合实际项目的需求，将高斯函数与Hessian矩阵结合的钙化检测算法及Bayes分类器加入乳腺CAD平台。