随着计算机的迅速发展，医疗诊断逐渐由过去的经验主导式向科学精确的数字化模式转变。计算机辅助检测技术（Computer-Aided Detection, CAD）成为了当今医疗领域的研究热点。CAD用计算机自动定位出感兴趣区域，即对病变区域的检出，以达到早期发现、诊断与治疗的目的。椎骨的计算机辅助检测是后期的分割重建等图像处理工作的基础，同时也能自动标定扫描参考线，降低放射科技师手动标定的工作量。在分析介绍CT定位片中椎骨检测的研究意义的基础上，对Adaboost学习算法进行了深入的研究。针对目前椎骨检测存在要求图片中椎骨数目确定，且Haar-like特征不能描述任意旋转角度等问题，提出了多角度椎骨检测算法。首先，基于Adaboost算法，构造了强分类器。构造强分类器主要包括建立训练数据集、计算Haar-like特征值和构造强分类器。其中，计算Haar-like特征值时采用了积分图，大大提高了运算速度。利用Adaboost算法构造强分类器，通过该算法寻找对椎骨与非椎骨区分性最好的Haar-like特征。使用最小分类误差，求出该特征对应的阈值和方向，构成弱分类器。将这些弱分类器按其权重进行加权组合成强分类器。其次，提出了多角度椎骨检测算法。该算法可以用于解决CT定位片中不同节椎骨的倾斜角度不同，且Haar-Like特征不能描述带有任意旋转角度的椎骨问题。多角度椎骨检测算法根据统计分析获得的倾斜角度来旋转图像，使得待检测的椎骨处于水平位置。按设定的步长对CT定位片中的椎骨进行检测。最后，对旋转图像中相近位置检测到得椎骨进行合并及优化。