سرطان سینه یکی از بیماری های شایع و مهلک میان زنان است. تشخیص زود هنگام این بیماری نه تنها درمان آسانتری در پیش دارد بلکه باعث افزایش طول عمر بیمار می¬شود. ترموگرافی بعنوان روش بهتر برای تشخیص زود هنگام این بیماری شناخته شده است. همچنین روش غربالگری ترموگرافی یک روش تشخیص غیرتهاجمی، بدون اشعه، غیرفعال، سریع، کم هزینه، بدون درد و بی¬خطر است و همچنین تماسی با بدن ندارد. روش های جدید در پردازش تصویر و بینایی ماشین موجب شده تا تحقیقات موفقیت آ¬میزی به منظور ایجاد سیستم های تشخیص سرطان سینه با بکارگیری تصاویر حرارتی انجام شود. در این مطالعه یک روش کاملا اتوماتیک و کارا برای بهبود مطالعات تشخیص آبنورمالی در تصاویر حرارتی بافت سینه نمای روبرو بیماران ارائه شده است. روش ارائه شده شامل مراحلی ازجمله استخراج ناحیه سینه از تصاویر حرارتی، استفاده از روش¬های متفاوت برای استخراج خصوصیات بافتی از تبدیل موجک های گابور با دو مقیاس و فرکانس های متفاوت وتحلیل گرادیان¬های تصاویر با استفاده از روش هیستوگرام گرادیان های جهت دار، بکارگیری پنج مدل شناسایی از قبیل lvq، شبکه عصبی احتمالی، k-نزدیکترین همسایه، ماشین بردار پشتیبان با دو هسته متفاوت، استفاده از رویه تحلیل مولفه های اصلی برای کاهش ابعاد و روش یادگیری دسته جمعی برای بهبود نتایج است.نتایج آزمایشات نشان داده اند که خصوصیات بافتی استخراج شده از مقادیر انرژی تصاویر جزئی فیلتر شده با موجک های گابور بهتر از دیگر روش های استخراج خصوصیات مورد بررسی در این مطالعه بوده است. همچنین مدل های طبقه بندی k- نزدیکترین همسایه، شبکه lvq و ماشین بردار پشتیبان دقت بالاتری نسبت به شبکه عصبی احتمالی ارائه می دهند. در این مطالعه، روش های پیشنهاد شده دقت شناسایی بالایی را برای تشخیصناهنجاری در بافت سینه ارائه داده اند.