肺部肿瘤研究的一项重要内容是肿瘤结点形态属性数据的获取。传统获取数据的方法是人工在CT导引下经皮穿刺活检提取肿瘤样本。与人工获取肿瘤检测样本相比，计算机图像检测除安全性好、速度快和精确高外，还可得到人工检测不能获得的信息，并可以同时采集多个样本的多个属性参数，进行病理分析。　　 近胸膜肺结点图像检测涉及多种图像处理方法。其中最重要的是图像分割。近胸膜肺结点分割的关键是对肺区边缘关联点的搜索。本文针对近胸膜肺结点自身特点对肺区边缘关联点搜索分为以下几个步骤：　　 1.将整个肺部区域分离成左肺区与右肺区。肺区的分离使得近胸膜肺结点的后续分析避免受到肺部中其它组织的干扰。肺区分离过程同时也是肺部边缘点矢量化过程。　　 2.肺区边缘关联点的搜索。肺区边缘关联点探测的好坏直接涉及到近胸膜肺结点检测。本文结合启发式搜索算法对滚球肺区边缘滚动搜索关联点算法(滚球搜索算法)进行改进。改进后的算法不仅在搜索关联点的过程中较好地去除噪声对探测结果的影响，而且能自适应调整搜索角度来降低时间复杂度。　　 3.曲率比分割算法对近胸膜肺结点进行分割。通过改变算法中阈值参数的方法对分割结果进行分析。　　 图像处理获取的数据可以实现近胸膜肺结点分割。传统的分割方法并不适用于对近胸膜肺结点分割。本文采用基于模糊连接度的算法对近胸膜肺结点进行分割。具体过程如下：首先运用最小二乘法在肺区关联点之间进行插值拟合并标记，实现结点与胸膜的分离；其次度量肺区边缘关联点之间的模糊连接度；最后，利用肺区边缘关联点之间的欧氏距离、肺区边缘关联点之间的路径、标记值、模糊连接度四个参数来描述近胸膜肺结点的属性特征，实现近胸膜肺结点分割。实验证明，模糊连接度分割算法与曲率比分割算法、BCV分割算法相比有更好的分割效果。