随着社会的发展,乳腺疾病的发病率呈明显上升趋势,严重威胁着妇女的健康乃至宝贵的生命。乳腺疾病的早期检测和及时治疗是目前研究的热点,对降低乳腺疾病的死亡率有着重要的作用。目前,乳腺数字x线摄影是乳腺疾病影像诊断主要工具,而乳腺计算机辅助诊断系统(CAD)将为医生提供重要的诊断信息,提高乳腺疾病的检出率。乳腺肿块是是乳腺疾病的重要表征,而乳腺肿块的检测也是乳腺CAD系统的一个难点。本文研究并设计了乳腺肿块的自动检测算法,其中主要包括乳腺肿块的初步检测算法,乳腺肿块区域的纹理特征提取,基于纹理特征的支持向量机分类算法等设计。首先根据乳腺组织的对称性,而肿块形成的非对称性,设计了双侧对照分析肿块初检算法,得到了肿块可疑区域的初步检测结果。其次对提取的初检区域进行了纹理特征的提取,针对肿块和乳腺正常组织的纹理规律,设计了基于多级灰度分层的分形维数特征提取方法,结合可疑区域的二维熵特征作为肿块判别特征。实验证明,分形维数特征和二维熵特征能够很好的表征肿块区域与正常组织区域之间的差异。最后,利用支持向量机分类方法进行可疑病变区域的性质分类,减少了肿块自动检测算法的错误率。本文对随机的106组乳腺图像数据进行了测试,肿块的正确检出效率达到了85.11%,假阳效率为1.44。该结果表明,本文所提出的乳腺辅助诊断算法有一定的检出效率,对提高乳腺CAD系统性能具有重要意义。