针对早期乳腺癌X光片中微钙化点非常微小、不规则、形状和分布各异，且对比度较差，乳腺中的致密组织与病变组织十分相似的问题，依据微钙化点是淹没在极高频噪声和低频背景中的高频信号，提出了利用数学形态学和小波变换来进行微钙化点的定位，依据神经网络可以通过训练来进行分类，提出利用概率神经网络对微钙化病变类型进行融合识别．实验证明，该方法操作简单，具有较高的检出率，同时明显降低了假阳性。