CAD技术基于图像存档与通讯系统(PACS)，利用工作站对获得的医学图像进行模式识别、图像分割、病灶特征提取等处理，进而得出有价值的诊断信息，同时结合其他可能的生理、生化检测结果，辅助影像科医师发现病灶，提高诊断的敏感性、特异性和准确率。因此，也有人称CAD系统为医生的“第三只眼”

针对计算机辅助乳腺疾病诊断方法准确率低、耗时长等问题，提出一种基于改进的 卷积神经网络（CNN）的乳腺疾病诊断方法．该方法从以下3个方面做了改进：(1)设计双通道 卷积神经网络来解决单通道特征提取不充分的问题；(2)采用Dropout技术有效地防止过拟合现象；(3)采用支持向量机(SVM)代替传统的Softmax分类器以减少运算量，提高运算速度．测试结果表明：所提出的分类模型平均准确率高达92.31%，平均训练时间为968s，充分验证 了该方法的有效性。