為了克服乳腺圖像微鈣化簇檢測中假陽性率高、泛化性差等缺點，本文提出了一種結合判別式深度置信網絡（DDBNs）自動快速定位乳腺 X 線圖像中微鈣化簇區域的方法。首先，對乳腺區域進行提取及增強，將增強后的乳腺區域進行子塊重疊分割和小波濾波；之后，構建用于乳腺子塊特征提取和分類的 DDBNs 模型，將預訓練后的 DDBNs 轉換成使用 softmax 分類器的深度神經網絡（DNN），并通過反向傳播對網絡進行微調；最后，輸入待檢乳腺 X 線圖像，完成可疑病灶區域的定位。通過對乳腺攝影篩查數據庫（DDSM）中的 105 幅含有微鈣化點的圖像進行實驗驗證，本文方法獲得了 99.45% 的真陽性率和 1.89%的假陽性率，且檢測一幅 2 888 × 4 680 大小圖像的時間約 16 s。實驗結果表明：該算法在保證較高真陽性率的同時有效地降低了假陽性率，檢測到的微鈣化簇區域與專家標記區域具有高度一致性，為乳腺 X 線圖像中微鈣化簇區域的自動檢測提供了新的研究思路。