赵 爽，马志庆，赵文华，李延军

乳腺癌是女性发病率最高的恶性肿瘤，其发病率呈逐年上升和年轻化的趋势［1］，乳腺癌的早期发现及有效治疗能提高患者的存活率。目前乳腺癌临床诊断多基于人工病理图像分析，其费力、耗时，且诊断结果易受到主观人为因素的影响，借助计算机辅助诊断对病理图像自动进行良、恶性分类，可为医师提供更加客观、准确的诊断判断。

马军超等［2］从骨内CT图像中提取了灰度均值、偏度、平方和等多个纹理进行良恶性的鉴别；黄宝婵等［3］从乳腺肿瘤红外图像中计算乳腺图像肿瘤区域与非肿瘤区域的灰度共生矩阵，提取了图像的相关性、能量、逆差矩、最大概率、熵等纹理特征进行分类；熊飞等［4］中从肺部CT图像中提取了均值、熵值、偏度、峰度和不均匀度等纹理特征进行了分类。上述研究中对图像只提取了纹理特征，且都为CT、红外图像，而病理图像是医师最后确诊乳腺癌的重要标准，对病理图像进行准确的诊断是医师制订最佳治疗方案的重要依据。该次研究通过深入分析乳腺癌病理图像，提取乳腺肿瘤病理图像的颜色特征和纹理特征，构建乳腺肿瘤良恶性分类模型，对乳腺肿瘤良恶性进行分类。

1 资料与方法

1.1 实验实施 该研究采用公开数据集BreaKHis［5］。BreaKHis由82例患者采用不同显微镜放大倍率（40×，100×，200×及 400×）采集的 7909 幅乳腺肿瘤组织病理图像组成。其包含2480幅良性图像和5429幅恶性图像（700×460像素，RGB三通道，每个通道8位深度，PNG格式）。该数据库是Spanhol等人与巴西的P&D实验室合作建立的。……