王生生，丁雪松，陈 鹏，刘纯岩

(1.吉林大学计算机科学与技术学院，吉林 长春 130012；2.吉林大学第二医院，吉林 长春 130041)

0 引言

乳腺癌是影响全世界女性的最主要的癌症之一.患有乳腺癌的女性病例占女性所有新诊断癌症的30%[1].每年有超过457 000人死于乳腺癌，占所有女性死亡人数的1.6%以上[2].早期发现并且采取正确治疗可以大大提高乳腺癌存活率.大多数研究表明，乳腺钼靶X线摄影检查可以降低乳腺癌的死亡率[3].参加乳腺癌筛查计划的女性在确诊后10年内死于乳腺癌的风险降低60%[4].大量研究表明，在之前的乳腺X线图像的回顾性研究中有20%～30%的癌症被遗漏[5-7].

为了减轻放射科医师的繁重工作并提高临床实践中检测的灵敏度，计算机辅助检测和诊断(CAD)系统为放射科医师对乳腺X线图像的诊断给出可供参考的“第二意见”.对此，已经有多项研究利用精心设计的手工特征来构建CAD系统用于检测识别乳腺X线图像中的肿块.J.Virmani等[8]提出了一种识别乳房密度的CAD系统，其中对纹理特征向量进行主成分分析(PCA)以减少特征空间维度；C.Muramatsu等[9]利用纹理特征将乳腺X线图像病变分为良性和恶性；H.X.Li等[10]构建了基于局部轮廓特征的CAD系统用于良性和恶性肿块的分类；S.A.Taghanaki等[11]提出了一种基于深度自动编码器网络的多目标优化方法；V.Pomponiu等[12]提出了一种基于方向梯度直方图(HOG)描述符的CAD系统，使用支持向量机(SVM)对目标进行分类.以上CAD系统大多基于传统的手工设计特征，手工特征的设计、提取是耗时且……