由于我国医疗卫生事业起步较晚,人口众多,导致医疗资源紧张,医生的工作量大。我国人工髋关节置换术需求量巨大,为了减少手术时间,医生需要在术前通过厂家提供的人工髋关节塑料模板在CT上进行测量和匹配。随着计算机与医学图像技术的发展,基于医学图像的计算机辅助诊断算法成为研究的热门。本文以人工髋关节置换术作为切入点,医学CT图像为研究对象,进行了计算机辅助诊断算法的研究。本文首先根据CT图像的特点对医学图像处理的算法进行了研究和选择。其中,图像的边界采用Canny算子提取,图像的形状特征采用Hough变换算法提取。其次,对基于Matlab的髋关节CT颈干角的提取方法进行研究。通过改进分水岭算法分割髋关节CT图像;利用Hough变换提取股骨颈和股骨干轴线,并计算两者之间的夹角,即颈干角。结果表明,算法提取的颈干角让股骨拥有最佳受力状态。然后,对基于Python语言的人工髋关节置换术辅助诊断算法进行研究。通过Otsu法对图像进行二值化,Hough变换提取股骨头中心坐标与股骨干中轴,通过图像几何形态进行图像配准与融合,利用3D打印技术打印髋关节模型,模拟髋关节在内收和外展时的极限不脱位位置并收集角度。结果表明,髋关节的活动范围受颈干角影响,但是不影响股骨外展和内收的角度。最后,根据将前文研究的算法进行整合,设计一套人工髋关节查询与匹配软件流程,功能包括查询相似病例与匹配合适的股骨柄。通过Harris评分方法将分数相近的病例作为相似病例进行整合;通过人工髋关节匹配算法帮助医生在术前在人工髋关节库中选择合适的股骨柄。本文使用真实髋关节CT图像进行了实验,并验证算法最终实现了股骨颈干角的提取和人工髋关节的配准功能。算法能够在手术之前为医生提供选择合适的人工髋关节的部分依据,辅助医生的诊断,从而减少医生的工作量和手术时间,减轻患者的痛苦。