乳腺癌是女性的一种常见癌症类疾病,乳腺X线摄影中出现的钙化簇是乳腺癌早期诊断的重要标志,尽早检测和对钙化簇进行评估成为乳腺癌诊断的关键技术之一。为了辅助医生发现早期乳腺癌,本文提出了一种基于钙化簇几何特征与纹理特征的广义回归神经网络评估算法,对乳腺钙化点,钙化簇的几何特征,钙化簇区域图像纹理特征进行了深入系统的研究,通过融合和选取以上有效特征,为钙化簇评估提出了一种新的方法。论文围绕钙化簇的评估方法进行研究,主要完成了以下工作:(1)针对目前钙化簇的区域提取方法,本文提出了基于距离的钙化簇区域提取算法,得出一个由钙化点形成的凸包钙化簇区域,该方法可以在包含有效钙化点的同时,减少无效的钙化区域,提高后续步骤的准确率。(2)为提高算法的准确率,考虑到实际应用中的钙化点检测存在一定误差率,同时所得出的ROI区域存在大小不统一的情况,本文在钙化簇几何特征基础上补充了图像纹理特征,采用了灰度共生矩阵与小波系数特征用于提高评估准确率,并对以上特征进行了特征选取。(3)为在有限训练样本情况下建立有效的钙化簇评估模型,本文采用广义回归神经网络建立训练模型。同时针对样本ROI中无有效钙化簇的情况,提出采用基于模糊C均值的默认钙化簇特征选取算法对ROI中出现钙化点但其分布又不足以满足钙化簇定义的情况,利用聚类中心填充默认钙化簇特征。这样就可以在保留样本钙化点儿何特征的情况下,保持样本个数,提高检测率。试验结果表明,本文提出的基于纹理的钙化簇评估算法有更好的实用性,能够对实际应用过程中计算机辅助诊断得出的不精确钙化点ROI图像进行有效的评估,为乳腺癌计算机辅助诊断检测提供了新的方法。