肺癌的死亡率位居最常见恶性肿瘤之首,其发病率在我国亦逐年升高,通过CT的肺癌影像学检查早期发现、早期诊断和早期治疗是目前提高患者生存率的主要手段。大量的影像学诊断临床实践表明,依据医学征象得出的影像学定性诊断结果存在较高的假阳性率和假阴性率。由于肺癌疾病种类的多样性和病理变化的复杂性,有效提高肺癌CT定性诊断的准确率是对现有知识结构和技术水平的巨大挑战。计算机辅助诊断技术对于提高肺癌诊断水平和检查普及率,减轻医生劳动强度,减少漏诊起到积极的作用。以CT为代表的影像学诊断是以病灶的大小、位置、边缘形态等直观影像特征来推断其组织学病理性质,目前有关研究工作主要集中在病灶定位算法、定量计算以及基于直观视觉信息的分类与诊断模型等方面。这些研究注重影像形态特征分析,完全模仿医生诊断,片面追求算法的局部有效性,对提高肺癌定性诊断的准确率贡献有限。本文以多排螺旋CT扫描图像为研究对象,以肺癌CT图像的密度空间变化信息为研究切入点,在基于CT图像的肺癌早期定性诊断、鉴别诊断和临床分期方面深入研究了几个关键问题。主要工作如下:首先从计算机体层成像技术的原理出发,揭示了CT图像中区域CT值(密度)变化反应了人体组织的物理密度变化规律,提出了CT图像中密度空间变化信息与组织类型的对应关系假说,为寻求与肺癌病理组织类型直接相关的CT图像特征提供了组织学依据。针对目前CT图像肺癌定性诊断采用形态学特征的局限性,提出基于CT图像空间密度变化特征的肺癌病变计算机辅助定性识别方法。该方法构造了一种适用于肺癌CT图像的密度空间信息变化特征提取、分析的多分辨率直方图特征向量,克服通过量化医学征象进行模仿医生诊断的不足,突破医学图像形态学信息的限制,为医学图像信息获取提出了新思路。为避免以往研究中片面追求算法的局部有效性而进行的特征过度筛选,提出了基于支持向量机(SVM)的CT图像高维多分辨率直方图特征向量的系统化构造方法。该方法充分利用SVM对高维数据集处理能力强的优势,可以同时对不同类型病变进行识别分类,而不必分别选择不同的特征集。该方法符合通过临床经验积累寻找更多有效特征的影像学诊断原则,有更强的泛化能力。针对胸部CT图像中孤立性肺结节(SPN)定性诊断问题,提出利用高维多分辨率直方图特征表示并结合SVM分类算法,实现CT图像中SPN良恶性分类的方法。经240个SPN图像实验结果表明,该方法提取的高维图像密度变化信息特征能够有效表示SPN病理特性,在没有考虑医学征象的情况下进行SPN定性诊断的准确度就达到了71.67%,可用于恶性SPN细分类,为医学影像学提高SPN定性诊断的准确率提供了便捷、客观的辅助手段。为解决影像学肺癌N分期中胸部CT难于判断纵隔和肺门肿大淋巴结是否癌转移的问题,本文提取能够有效表示淋巴结病理特性的多分辨率直方图特征,实现对肿大淋巴结癌转移快速准确地判别。经100个淋巴结图像实验结果表明,图像多分辨率直方图能够有效表示淋巴结特性,为提高肺癌术前N分期的准确性提供了有效的新手段。最后针对中央型肺癌与肺门肿大淋巴结的鉴别诊断问题,分别比对了肺门肿块20维共生矩阵纹理特征、100维简单直方图特征及100维多分辨率直方图特征。实验结果表明:高维多分辨率直方图特征表示肿大淋巴结和肺癌肿块组织差异特性更好,同时分类速度更高,基本满足了医学影像学对中央型肺癌与肺门肿大淋巴结鉴别诊断的要求。