肺癌是高发癌症,也是男性癌症致死的主要原因,女性癌症致死的第二大原因。早筛查、早发现、早诊断、早治疗,才能取得较好的肺癌防治效果,提高患者生活质量。肺癌早期主要表现形式之一是肺结节,因此精准检测肺结节对肺癌的早期诊断具有重要意义。肺结节计算机辅助检测（Computer-Aided Detection,CADe）系统,能够辅助医生检测影像中的肺结节,提高肺结节检测率,减轻工作负担,缓解医生工作压力。CT扫描是肺癌筛查的首选方法。本文通过研究总结现有基于CT影像的肺结节CADe算法的基础上,在肺实质分割、肺结节检测和假阳性肺结节去除三个方面展开深入研究,并取得较好效果。本文主要研究内容如下:（1）针对在肺实质分割时,粘连肺壁肺结节容易被遗漏、且可能存在主气管和支气管树粘连肺实质以及左右肺粘连的问题,提出基于三维区域生长和灰度积分投影的肺实质分割方法。首先,采用阈值法等方法粗分割肺实质;其次,采用三维区域生长方法提取主气管和支气管树后,并去除;然后,采用灰度积分投影法结合行扫描的方法判别左右肺粘连情况,并分离;最后,采用滚球法对肺实质边界修补,完成肺实质分割。（2）针对粘连血管肺结节不易分割,且分割后的粘连血管肺结节不易与血管交叉处假阳相区别的问题,提出基于多尺度球形选择性增强滤波器和加权支持向量机的肺结节检测方法。首先,采用三维连通域分析将候选结节分成两组:血管树组和非血管树组。对于血管树组,先基于Hessian矩阵构造多尺度球形选择性增强滤波器实现候选肺结节分割;其次,采用三维受限区域生长算法实现对候选肺结节受限的区域生长;然后,根据肺结节与血管交叉处假阳的灰度分布不同,提取梯度、形状、灰度等特征;最后,采用加权支持向量机解决肺结节检测时的样本不均衡问题。对于非血管树组,先基于规则去除明显假阳性肺结节,再基于球形选择性增强滤波器进一步去除假阳性肺结节,最终实现非血管树组的肺结节检测。该算法能够很好地检测粘连血管肺结节,肺结节检测敏感度为87.81%,假阳个数1.057个/序列。（3）针对微小肺结节容易漏检的问题,提出基于三维卷积神经网络结合多尺度预测的肺结节检测方法。首先,构造三维卷积神经网络检测包含肺结节的小立方体:其次,由于固定尺寸的小立方体容易漏检微小肺结节,采用多尺度预测的方法,用小尺度立方体检测微小肺结节:最后,采用具有噪声基于密度的聚类方法（Density-based spatial clustering of applications with noise,DBSCAN）,将不同尺度包含肺结节的小立方体聚类,实现肺结节检测。该算法能够很好地检测微小肺结节,肺结节检测敏感度为92.93%,假阳个数4个/序列。（4）针对假阳性肺结节过多时会导致医生二次审核阅片时间过长的问题,为了提高肺结节检测的特异度,提出基于多层次密集连接卷积神经网络的假阳性肺结节去除方法。首先,构建三维密集连接卷积神经网络,利用密集连接结构,将浅层和深层特征同时用于肺结节鉴别,实现特征复用;然后,通过构建五个不同层次的网络以提取不同层次的上下文信息;最后,采用集成学习方法对预测结果加权融合,提高肺结节与假阳性结节分类准确率。假阳性肺结节去除的敏感度为92.70%,假阳个数4个/序列。综上所述,本论文提出的肺实质分割、肺结节检测方法及假阳性肺结节去除方法,具有一定的优势和创新性,可以很好地辅助医生检测肺结节,提升检测准确率。