随着医学影像设备的进步和计算机技术的发展,医生可以为病人提供越来越高的服务质量,解除病人因疾病带来的痛苦。但是,由于有的疾病本身的隐蔽性和现有医疗水平的限制,误诊率仍然存在,病人错过最佳的治疗时机,后期治疗的代价昂贵收效不高。如何降低误诊率,这给医疗设备厂商、放射科医生、特别是数字影像专家提出了挑战性的研究课题。在这样的背景下,本文从对医学图像的多尺度增强和对病灶的分层检测这两个角度出发做了一些有益的尝试。医学图像的多尺度增强从医学图像处理出发,挖掘尽量多的视觉信息呈现给医生,让医生获得更好的视觉效果,达到更好把握病人真实病况的目的。病灶的分层检测从对医学图像分析出发,让计算机充分学习吸收医生的专家经验,自动标识出所有可疑的病灶区域,医生和计算机交互着“分析”医学图像,逐步验证对方的诊断信息达成最终的诊断共识。这样,医生可以在一般专家经验的基础上,提高对医学图像信息的把握能力,再做出最终的诊断建议,避免单凭医生个人经验造成的误诊现象。两种方法殊途同归,降低医生诊断的误诊率。仿真实验及工程效果表明本文提出的多尺度塔型结构医学图像增强算法、乳腺癌肿块分层检测算法和乳腺癌钙化点簇分层检测算法具有较高的实用性和鲁棒性,可以增强医学图像的视觉效果和提高对乳腺癌疾病的检测率。