计算机辅助分割与检测在人体重要器官的早期诊断与治疗、外科规划与导航等方面发挥着重要的作用。CT医学成像技术,因其高分辨率、低成本等特性,被广泛应用于人体重要器官的医疗诊断。然而,人体重要的腺体器官——肝脏,其CT成像由于对比度较低、形状不规则、灰度不均匀、相邻组织干扰等因素,往往导致计算机辅助分割与检测非常困难;人体重要的呼吸器官——肺,其CT成像虽然对比度较高、但由于血管、支气管、以及胸膜附近异常的存在,往往也对其分割与检测的准确性造成很大影响。针对这些问题,本文以肝脏和肺的精准分割及其肿瘤检测为研究目标,在高分辨率螺旋CT图像中,研究肝脏的分割方法、肝脏肿瘤的检测技术;肺的分割方法、肺肿瘤的检测技术。研究的目的是,通过本文的研究,提升这两大重要器官自动分割、自动检测的精准性和自动化程度,帮助放射科医生提高诊断效率,降低肝癌与肺癌致死风险。针对肝脏分割过程中,腹部多个器官相互邻近、对比度低以及肿瘤异常导致的分割难题,本文提出了一种基于概率图谱与水平集混合技术的自动分割方法。首先,通过基于特定病人的肝脏概率图谱与测试图像之间的相似度,生成最大可能性的肝脏区域;然后,根据直方图分析将最大可能肝脏区域进行后验概率分类,通过最大后验概率映射实现肝脏的粗分割;最后,通过基于形状-灰度先验模型的水平集演化技术,对粗分割轮廓优化,并获取最终细分割的肝脏实质。该新方法是首次应用于肝脏分割,实验表明该新算法具有很高的自动分割精度,且能够有效处理器官邻近以及包含肿瘤的肝脏分割情形。肝脏分割的复杂性,以及肝脏内异常的多样性,是肝脏肿瘤自动检测技术发展的主要障碍。本文在前期肝脏自动分割研究的基础上,针对肝脏肿瘤的近球形特性,提出了基于可变环形滤波器的自动检测方法。首先,基于图谱与水平集混合技术获得肝脏分割轮廓;然后,利用可变环形滤波器的半径自适应特性检测可疑肿瘤区域,并提出了基于灰度权重的距离转换函数,来对滤波后的种子点进行对比度增强;最后,利用支持向量机分类算法对候选肿瘤进行基于特征的分类,获取最终肿瘤的位置与类别信息。这是可变环形滤波器首次应用于肝脏肿瘤检测,实验表明,该方法对于近球形的不同尺寸的肝脏肿瘤具有较高的检测敏感度。针对肺分割的过程中,附胸膜肿瘤容易造成的过分割问题,本文提出了基于边界重构与凹形区域修正的肺分割技术。首先,借助形态学滤波与连通区域分析技术获取胸部区域掩码,完成胸部提取;然后,利用基于对角线的边界跟踪技术,实现肺部轮廓的初始分割;接着,基于最大代价路径实现左右肺分离,并应用基于弧长重采样的边界重构技术,实现肺轮廓的锯齿状边缘平滑;最后,应用提出的凹凸判断函数对附胸膜凹形区域进行检测与修复,通过降低由附胸膜肿瘤造成的过分割,提高肺实质的分割精度。实验表明,该方法在保持分割精度与复杂度的同时,能够有效降低附胸膜肿瘤造成的过分割误差。肺分割技术的相对成熟,促进了肺肿瘤自动检测技术的快速发展,很多学者提出了基于不同分类器的检测方法。然而,基于分类器的肺肿瘤自动检测技术,在检测精准度、假阳性、系统运行速度等方面的性能仍然不够高,无法直接应用于临床。本文在前期肺分割的研究基础上,提出一种基于改进的模糊C均值聚类技术的肺肿瘤自动检测方法。首先,利用可变环形滤波器将可疑的近球形的候选肿瘤提取出来,并利用球度阈值对近似管状结构进行筛除,初步降低假阳性。然后,对于候选肺肿瘤实施特征选择,特征计算,应用改进的自适应模糊聚类技术对训练集、测试集分别进行聚类。最后,设计马哈拉诺比斯距离函数,判断测试集与已标记的训练集之间的相似性,从而进一步降低假阳性,获取最终的肺肿瘤分类信息。该方法能够有效提高分类器参数的自适应性,并且在有限的特征训练的条件下,获得与主流算法相近的分类水平。总之,本文提出了针对肝脏与肺的分割及其肿瘤检测的自动化方法,并采用医院提供的数据进行了实验与分析,其中部分算法参加了国际竞赛,整体上取得了预期的效果,证明了方法在计算机辅助分割与检测中的应用前景。