本文作为国家自然科学基金资助课题“基于医学图像数据挖掘技术的研究”的一部分，对医学影像数据挖掘中的一些关键技术和主要算法做了深入的研究。针对乳腺影像数据库，提出了适合乳腺影像的计算机模式分类算法，设计并开发了“乳腺癌计算机辅助诊断系统”。主要从事了以下研究工作： (1)图像预处理 图像在转换和传输过程中不可避免地要受到噪声的污染。本文使用了简单有效的具有边界保持的中值平滑滤波器算法，对数字化的乳腺X照片图像做去噪处理，清除图像中的大部分噪声。同时，为了改善图像的质量，使用了直方图均衡化技术来实现图像的增强。 (2)灰度共生矩阵生成及纹理特征提取 图像的纹理特征描述了在图像中反复出现的局部模式和它们的排列规则，反映了宏观意义上灰度变化的一些规律。本文采用灰度共生矩阵纹理分析方法，生成4个方向的共生矩阵，提取与方向无关的纹理特征。 (3)肿瘤边缘分割和边缘特征提取 本文利用区域增长的图像分割技术实现肿瘤边缘的准确定位，提取了紧凑度、矩和傅立叶描述子三个肿瘤形状特征。实验结果表明，这些特征很好地刻画了肿瘤的边缘形状，对区分良性肿瘤和恶性肿瘤非常有效。 (4)分类器算法设计 本文研究了适合于乳腺影像数据分类的分类算法，对支撑矢量机做了深入的剖析，提出了近似支撑矢量机PSVM分类思想。PSVM算法较标准的SVM算法来说，速度更快，对硬件资源要求很低，同时更易于实现，效果也较理想。作为机器学习领域最为活跃的分支之一，人工神经网络在智能控制、模式识别及信号处理等领域得到了广泛的应用。本文深入地分析了神经网络的模式分类原理，算法的一般理论，剖析了神经网络的主要优、缺点，提出了解决或部分解决神经网络缺陷的改进方法。实践表明，利用本文改进的神经网络分类器，其分类效果非常理想。