乳腺癌是妇女最常见的恶性肿瘤之一，近年来发病率有明显升高的趋势，正迅速成为中国妇女的主要死亡原因之一。乳腺癌的早期发现、早期诊断和早期治疗是提高生存率及提高其生存质量的关键。研究与开发计算机辅助诊断系统可以提高早期检出率和准确率，减轻医生工作压力，缓解高级医生缺乏的现象以及在教学培训方面都可以起到作用，从而产生巨大的社会效益。　　 针对现有CAD的不足，本文提出了基于征象理解的医学影像CAD系统，通过病灶分割、特征提取及机器学习算法实现对乳腺X线图像中、对医生进行诊断有帮助的征象描述，特别是关于病灶的征象描述。以充分地结合计算机技术、医学领域知识以及医生的经验，把医生的诊断思维过程与计算机的辅助诊断有机的融合，提高CAD系统的准确性和交互性。　　 本文主要致力于研究乳腺X线图像的主要征象：钙化和肿块的自动检测及其语义征象提取的研究，对如何结合图像处理算法和模式识别算法来对病灶进行检测及语义征象的提取，进行了有意义的探索。针对钙化的检测，提出了基于边缘检测的钙化点分割算法，并用SVM算法来减小假阳性。对肿块的检测，设计了灰度分层算法检测感兴趣区域，利用SVM算法进行伪区域的去除，然后采用基于模糊集的区域生长算法分割出最终的肿块区域。对于病灶的征象理解，针对不同病灶不同方面的征象，设计并提取了有效的底层图像特征，应用RVM多类分类算法实现特征到语义征象的映射。　　 从实验结果看，病灶检测与征象理解取得了较好的成果。病灶检测可以尽可能的保留可疑的病灶区域，征象理解可以提供有意义的病灶语义描述信息，为医生做出诊断提供有益的参考。