计算机辅助检测系统的研究,是医学图像处理领域的研究热点,它涉及到医学解剖,数字图像处理以及计算机图形学等领域的相关知识。它结合了经验知识与机器处理的方法,在医学诊断,手术规划模拟以及教学等各方面有着重要的学术意义和价值。本文主要工作是关于肺结节的计算机辅助检测算法的研究,旨在于提出一套有效的肺结节检测算法使肺结节尽量全面的检出并且使假阳性结节数目尽量减少,以此为计算机辅助检测系统的研究及发展提供一些借鉴依据,在有效减少医生学者工作量以及快速准确定位病灶方面做出贡献。本文对当前肺结节计算机辅助检测系统在国内外的发展状况进行研究,总结出多种与肺结节计算机辅助检测相关的算法,并对算法的特点进行分析。在深入的研究了国内外计算机辅助检测系统及相关检测理论和技术的发展概况后,围绕肺结节计算机辅助检测这一核心内容,主要进行了以下工作:首先,对于肺结节检测算法具体研究了四种方法,区域生长法、数学矩阵计算法、水平集主动轮廓提取法以及多阈值分割法,对各种算法在检测肺结节的有效性和可靠性进行分析后,选用多阈值分割方法作为主要检测算法。其次,针对肺结节检测的特点,实现一个适合检测肺结节的多阈值分割方法,将多阈值分割法应用到CT图像中对肺结节进行扫描,得到初选的候选肺结节。再次,对目标进行特征的形成和特征选择,对于肺结节来说,其视觉特征和统计特征可以很好的对肺结节进行描述,最后从原始特征中选出一组优化特征作为分类的特征空间。最后,运用统计学习理论,对肺结节提取出的特征空间进行分类,判决出非结节的目标,并进行剔除。分析利用一种效果最好的检测肺结节的算法配合统计学习理论,将尽量降低检出的假阳性结节率,结果显示经过训练的支持向量机可以检出血管或亮点等非结节干扰。本文将上述内容整合为一个算法,输入CT源图片,最后可以得到经过肺结节初步检测和降低假阳率后的判别图,并进行标注。