肺癌作为最常见的内脏恶性肿瘤,是确诊后存活率最低的癌症,成为名副其实的癌症中的第一杀手。孤立性肺结节是肺癌最常见、最重要影像表现。肺结节的检测对肺癌的早期发现、早期诊断至关重要。为降低肺结节漏检、误检的可能性,提高结节检测的灵敏度、特异度和诊断的准确度,必须应用计算机辅助诊断技术(Computer Aided Diagnosis,CAD)对肺结节图像进行自动分析与识别,辅助放射科医师进行评价和诊断。肺结节自动检测的关键技术主要有分割、检测等图像处理、数据挖掘、机器学习的研究和应用。由于医学图像具有灰度不均匀、个体差异大、受伪影和噪声影响等特点,肺结节检测算法要达到较高的灵敏度和准确度有很大的难度。本文针对肺部CT图像的医学特征,在肺实质图像分割、疑似结节检测与特征提取、肺结节识别这几个方向进行了深入研究和大量实验。本文主要工作和创新点如下：(1)肺实质的快速精确分割肺部CAD方法需要进行肺实质分割。本文根据胸部CT图像的影像学和解剖学特征,引入基于量子粒子群优化的二维直方图阈值分割算法结合3-D区域生长,通过分割背景及胸腔实现肺实质分割,在保证肺实质分割速度的前提下,提高分割精度。(2)胸腔粘连肺结节检测当胸腔存在粘连肺结节时,需要修复肺部轮廓并检测粘连肺结节。提出基于行扫描曲率分析的粘连肺结节检测算法,有效解决了肺实质中高密度特征易丢失、边缘肺结节易遗漏等问题；提出基于凸包和射线投影的粘连肺结节检测算法,能精确检测纵膈粘连肺结节,并修复受损肺实质轮廓。(3)疑似肺结节的分割疑似肺结节的自动分割是准确提取结节特征的前提。本文将疑似肺结节视为感兴趣区域(Regions of Interest),提出一种融合像素空间信息及带特征权重的模糊C均值聚类算法实现感兴趣区域分割,将空间信息引入模糊C均值聚类中,有效去除噪声干扰；以图像灰度直方图为特征权重进行聚类,提高聚类速度和分割精度。(4)特征提取基于肺结节的医学征象及肺部疾病的病理基础,分析和提取肺结节的灰度、形态和纹理特征,测量和计算相关的特征值,从而实现对疑似肺结节区域的特征提取和量化。(5)基于粗糙集的特征选择采用基于粗糙集的属性约简算法对肺结节特征选择。粗糙集属性约简方法能有效地降低特征维度、删除冗余特征,得到用于肺结节识别的重要特征。(6)基于样本属性加权支持向量机肺结节识别提出基于样本属性重要性加权支持向量机的肺结节识别的方法,利用粗糙集确定各属性重要度作为权重,实现基于样本属性加权支持向量机肺结节识别,提高肺结节识别的准确率；与作者提出的基于加权模糊C均值聚类的肺结节识别算法及基于改进Mahalanobis距离分类的肺结节检测算法相比肺结节检测的灵敏度、特异度都有所提高,检测准确率较高。总之,本文在提高肺实质和肺结节的分割准确率,提高孤立性肺结节检测的灵敏度、特异度,降低漏诊率和误诊率方面获得了一定进展,但是仍有一些不足,仍需要在理论基础与实际应用上进一步完善。