乳腺癌是危害中老年妇女健康的主要恶性肿瘤之一。乳腺癌防治的关键在于早发现、早诊断。目前，乳腺X线摄影技术被公认是早期诊断乳腺癌最有效的方法。为了提高影像医生的诊断效率和正确率，乳腺X线摄影计算机辅助诊断技术(Computer-Aided Diagnosis, CAD)已经被广泛应用。肿块分割是乳腺X线影像CAD系统的重要环节，良好的分割结果能够更好地反映肿块的病理特征，为后续可疑区域的特征提取和分类提供依据。然而由于乳腺图像中噪声、伪影较多，肿块和背景的对比度低，肿块边缘比较模糊，传统的图像分割算法应用于乳腺X线图像肿块分割时，往往难以满足临床要求。运用Graph Cuts算法进行交互式图像分割是近年发展起来的新方法。该算法的核心思想是先将一幅图像映射成一个网络图，并构造关于标号的能量函数，然后利用组合优化技术最小化能量函数。在传统Graph Cuts算法的基础上，本研究提出一种基于Graph Cuts算法的多尺度乳腺肿块分割方法。通过引入多尺度方法，在构建图像高斯金字塔的基础上，对乳腺图像进行高斯平滑处理，充分利用图像的全局和局部信息，迭代Graph Cuts算法分割肿块。另外，本研究用分水岭变换对图像进行粗分割，产生一个区域邻接图(region adjacency graph)，用于接下来的能量优化步骤；而且在分水岭粗分割过程中保持了图像的重要轮廓，减少了噪声对分割的影响。针对基于Graph Cuts的多尺度方法在分割乳腺图像时存在的不足，本研究继续对算法进行改进，提出了一种快速、自动、有效的分割方法——结合Graph Cuts与模糊C-均值聚类（Fuzzy C-Means, FCM）的分割方法。首先采用FCM算法对图像进行预分割，为算法提供一个初始标号场，然后利用基于Graph Cuts的α-expansion算法搜索能量函数的局部最小值，快速近似能量最小化。该方法能够在保持分割精度的前提下提高运算效率。另外，该方法能够实现自动分割肿块，消除了人机误操作引起错误分割的可能性，并且能够满足实际需求。实验显示，本研究提出的方法在灰度不均匀和有噪声的乳腺肿块图像上，也能够在较短时间内得到准确、鲁棒的结果。