مراحل کاری این سیستم ها شامل بهبود کیفیت تصویر، قطعه بندی نواحی آسیب دیده، استخراج ویژگی از این نواحی و در نهایت طبقه بندی آن ها به دسته های خوش خیم و بدخیم می باشد. رویکرد طبقه بندی توده ها براساس ویژگی ها به دو دسته تقسیم می شود که اولی بر اساس ویژگی های بافتی ناحیه ی توده و دیگری براساس ویژگی های شکلی و مرز منحنی توده می باشد. در راستای بهبود کیفیت تصاویر ماموگرافی در این پژوهش، با استفاده از عملیات ریخت شناسی و معرفی جزء ساختاری مبتنی بر کرنل گوسین گامی در جهت بهبود ویژگی های ساختاری این تصاویر برداشته شد. عملیات ریخت شناسی از جمله روش های بهبود ویژگی های هندسی تصویر می باشد. این عملیات بر روی پایگاه داده ddsm اجرا و ویژگی الگوی باینری محلی از تصاویر بهبود یافته استخراج شد. امر طبقه بندی توده ها به دسته های خوش خیم و بدخیم با استفاده از طبقه بند svm انجام شد و سطح زیر نمودار roc به میزان 0.9321 بدست آمد. در رویه دوم پیشنهادی به منظور استخراج ویژگی های شکلی و مرزی، قطعه بندی توده ها با استفاده از الگوریتم قطعه بندی مجموع سطح و به کارگیری موجک هرمی راندنی و تابعی هیوریستیک انجام شد. تابع پایه موجک هرمی راندنی مشتقی است که در جهات و مقیاس های مختلف اعمال می شود و اطلاعات محلی تصویر را آشکار می کند. به منظور طبقه بندی توده ها به دسته های خوش خیم و بدخیم، گشتاور زرنیک از کانتورهای توده استخراج شد که این گشتاور توصیفگر رفتاری مرز منحنی توده می باشد. این رویه ها بر روی پایگاه داده mias اعمال شد که دقت قطعه بندی به 90.77% رسید و سطح زیر نمودار roc در طبقه بندی توده ها به میزان 0.9722 بدست آمد.