肺癌是最常见的内脏恶性肿瘤,近年来跃居为我国发病率及死亡率最高的恶性肿瘤,其早期的表现形式是直径不超过3cm的肺内球形或类球形结节,及时地发现和治疗是提高病人生存率的关键。CT具有较高的组织分辨率,是检查和诊断肺部疾病最有效的影像学手段,对肺癌的检测诊断具有重要价值,被广泛地应用于肺结节的筛查。由于CT图像数量巨大、肺部组织结构复杂和结节形状大小各异,医生的筛查工作强度很大,仅凭肉眼阅片检测,医生很容易出现诊断疲劳,甚至可能造成漏诊和误诊。计算机辅助检测(Computer Aided Detection, CAD)系统通过对病人的肺部图像进行处理和分析,可以自动检测识别肺结节,给出病灶的位置提示和相关定量信息。这样不仅可以大大减轻医生的工作量,提高检测效率,还对辅助医生诊断和治疗有着非常重要的意义。根据肺结节CT影像表象的不同,可将其分为实性型结节和磨玻璃(Ground Glass Opacity)型结节,实性型结节呈现为高亮度的实心性球状物,磨玻璃型结节则呈现为模糊致密影(磨玻璃影)。GGO结节比实性结节的恶性度更高,患者手术后的五年生存率也更大。但是目前国内外的研究却大都偏向实性型结节,对于GGO型结节的检测方法的研究较少。因为两类结节的CT影像差别较大,检测方法也有很大的区别,因此本文针对两类结节分别提出了相应的检测方法。第一,实性型结节的检测。针对实性型结节检测的方法大致分为基于灰度的方法和基于形状结构分析的方法两大类。其中Hessian矩阵检测方法是比较有代表性的基于形状结构分析的方法,它结合了灰度方法和形状结构分析方法,基本思想是根据灰度分布形式的不同来区别不同的组织结构(在CT图像上不同的组织结构具有不同的灰度分布形式)。实性型结节区域灰度由中心向外呈放射式衰减分布,可近似为符合三维高斯分布的高亮球状或类球状结构。而血管区域灰度在沿血管方向变化非常缓慢,在血管横断面上由中心向外呈放射式衰减分布,将血管近似为横断面符合二维高斯分布的管状结构；肺壁、胸膜等区域灰度在肺壁、胸膜上变化缓慢,延面垂直方向则变化较大,将肺壁、胸膜近似为面状结构。Hessian矩阵是由图像的二阶导数构成,具有很高的敏感性,能够很好地反映出图像的灰度变化,被广泛的应用于结节的检测。但是由于Hessian矩阵是通过计算相邻体素间的灰度变化获得的,单单使用矩阵特征值无法反映出体素在更大区域范围内的灰度分布情况。故当不同的组织具有相似的灰度分布时,此类方法就会产生误判,所以在结节检测时往往难以消除血管交叉产生的假阳性。针对Hessian矩阵检测方法的这种问题,本文提出了一种结合三维自适应体窗的Hessian矩阵检测方法,首先计算体素的Hessian矩阵,通过矩阵特征值分析体素的灰度分布特征；其次利用矩阵特征值设计结构系数,描述体素归属于某种组织的程度；然后根据结构系数构建三维自适应体窗,将分析灰度分布由相邻体素间的区域提升至更大的局部区域；最后分析体窗内组织的局部结构特征,使用判别函数去除血管和血管交叉。通过21套CT数据的49个的结节的检测实验证明,本文方法可以有效检测出实性型结节,并大大减少了血管交叉区域产生的假阳性。第二,GGO型结节的检测。现有的GGO型检测方法大都采用了灰度阈值或滤波器的方法。灰度阈值的方法是通过设定上下限阈值提取疑似GGO型结节区域,去除无关组织。其中一些方法是基于经验设定的阈值,一些是基于直方图分析设定的。由于GGO型结节灰度介于肺实质和血管之间,灰度跨度较大,经验法设定的上下限阈值很难适用于不同图像,上下限阈值的范围若设定的太大,提取的结果就会包含很多假阳性区域,不利于下一步分析；范围若设定的太小,很有可能把结节区域漏掉。分析图像灰度直方图从而确定阈值的方法更具鲁棒性,可适用于不同的图像。滤波器的方法是直接或间接增强GGO型结节区域,抑制噪声和其他组织。采用空域滤波一般很难设计出针对GGO型结节的模板,因为GGO型结节不像实性结节,在灰度和形状上都没有规律可循。本文的GGO型结节检测方法采用了高斯混合模型拟合灰度直方图,可以自适应的设定GGO区域上下限阈值,同时采用了高斯型高通频域滤波器,可以拉伸GGO型结节和肺实质之间的灰度差,抑制肺实质,消除大部分斑片区域。首先利用高斯混合模型拟合曲线分析肺部图像灰度直方图,自适应设定GGO区域的上下限阈值；其次使用高斯高通滤波器增强GGO区域,抑制肺实质,避免斑片影的干扰；然后将利用高斯高通滤波后图像和上下限阈值提取候选GGO区域；最后采用圆形均值滤波器和分析区域特征去除假阳性。通过对21套CT数据的26个的结节进行检测实验,证明本文方法可以检测出大部分GGO型结节。另外,GGO型结节比实性型结节具有更高的恶性度,纯GGO型结节恶性率高达59%-73%,混合型GGO结节的恶性度比纯GGO型结节的更高。判断结节的类型在良恶性鉴别诊断中有着重要的地位。因此,在计算机辅助检测后,进一步辅助医生分辨结节是实性型、纯GGO或混合型GGO是具有一定研究价值的。本文对此进行了相应的研究,对于同一患者的CT图像进行实性检测和GGO检测两种方法的综合检测,只被实性方法检测到的结节认为是实性型的,只被GGO方法检测到的结节认为是纯GGO型的,被两种方法同时检测到的结节则认为是混合型结节。然后按照LIDC数据库的评分方法,根据类型赋予结节相应的分值,最后与数据库中四位专家的评分结果进行对比,与每位专家分别对比和与几位专家综合结果对比都证明了本方法的有效性。通过调查研究计算机辅助检测肺结节领域的国内外现状,结合肺部解剖知识和CT影像特点,以LIDC数据库的数据为研究对象,本文实现了实性型结节和GGO型结节的检测,并研究了结节类型的判别和评分,具有一定的创新性和临床应用价值。