زمینه و هدف: سرطان پستان مهم ترین و رایج ترین بیماری در بین زنان است که دومین میزان مرگ و میر را بعد از سرطان ریه به خود اختصاص داده است. ماموگرافی دیجیتال تصویر گرفته شده با استفاده از اشعه x برای تجزیه و تحلیل، تفسیر و تشخیص می باشد. تشخیص خودکار سرطان پستان در تصاویر ماموگرافی یک وظیفه چالش برانگیز در بین سیستم های تشخیص به کمک کامپیوتر(CAD) می باشد. روش کار: در این مقاله یک راهکار برای تشخیص اتوماتیک سرطان پستان ارائه شده است. راهکار ارائه شده شامل 3 مرحله اصلی استخراج ناحیه پستان، حذف عضله پکتورال و طبقه بندی ویژگی های استخراج شده به دو دسته سرطانی و غیر سرطانی می باشد. یافته ها: برای قطعه بندی از روش آستانه گذاری اتسو و سپس حذف عضله پکتورال با استفاده از انتخاب پیکسل دانه و الگوریتم رشد ناحیه میسر شده است. در مرحله بعدی ماتریس هم وقوعی خاکستری تصویر(GLCM)که توصیف کننده بافت تصویر است ایجاد شده و 16 ویژگی از آن استخراج می شود. در نهایت طبقه بندی های مختلفی برای تفکیک ناحیه پستان به بافت های نرمال و سرطانی، آموزش داده می شوند. در نتایج به دست آمده نرخ تشخیص صحیح 100 درصد برای شبکه عصبی و3/96 درصد برای طبقه بندهای درخت تصمیم گیری(C5. 0, CHAID) بدست آمده است. نتیجه گیری: اعتبار سنجی راهکار ارائه شده در این مقاله با استفاده از داده های پایگاه mini-MIAS انجام شده است و نتایج با کار های قبلی انجام شده مقایسه شده است که نشان می دهد راهکار ارائه شده می تواند با اطمینان برای تشخیص سرطان پستان اعمال شود.