近年来,肺癌是对人类生命健康危害最大的恶性肿瘤之一,死亡率远高于其它癌症,并呈逐年上升趋势。计算机断层图像(CT)是胸部影像学中最常用的图像,被广泛用于肺部肿瘤的检测中。肺癌通常以肺结节的形式表现,而肺结节形态各异、大小各不相同、分布位置不定、易与其它组织链接,密度与肺部某些组织类似,在CT图像中通常表现为圆形或类圆形的致密影,仅凭人眼很难将肺结节与肺部软组织区分开,即使是有经验的医生进行客观、准确地分析也相当困难。另外,医生分析胸部CT是个枯燥而且繁琐的过程,每天需要面对大量的数据信息,经常会发生误诊。计算机辅助检测和诊断是针对实际临床需要发展起来的,它对CT图像进行自动分析后向医生提示可疑肺结节,以帮助医生更加安全有效地分析数据,克服了主观因素的影响。计算机辅助检测和诊断中的关键技术是如何从CT图像中正确地检测出肺结节。本文针对肺结节检测算法进行了相关研究,提出了基于CT图像的肺结节自动检测算法。根据CT图像各组织特殊的灰度分布,提出了一种新的肺实质分割算法；使用FCM聚类法将肺实质分为背景类和结节类。其中结节类包括肺结节以及与结节特征非常相似的肺血管、支气管,称作感兴趣区域(ROI),并将结节的面积、灰度均值、灰度方差、紧凑度、形状矩描述子、傅里叶描述子等特征作为分类器使用的特征；对ROI区域进行特征计算和分类。采用最近邻法设计分类器,并以LIDC库中的结节数据作为样本集,使用留一法进行分类器训练。最后,将识别为结节类的ROI区域用红色标记出来。肺结节自动检测软件达到了设计要求。实验结果表明,本文提出的肺结节自动检测算法可以有效地检测肺结节,具有较高的检测准确率和较低的假阳性率。