孤立性肺结节是大多数肺癌的早期呈现形式,在肺癌的早期诊断中,肺结节的检出至关重要。面对大数据时代下爆炸式增长的医学数据,海量的肺部CT影像数据使得医务人员不堪重负,极大的增加了放射科医师的工作量,很有可能导致在诊断过程中出现误诊漏诊,贻误患者的最佳治疗时期,严重的会导致患者的不必要的死亡。计算机辅助诊断技术利用计算机强大的计算分析处理数据的能力,能够大大减轻医师的工作量,并且有效地降低医师的误诊漏诊率。其中,医师可以通过图像检索方法,获取图像库中返回的已确诊病例图像,通过与其对应的诊断结果和诊疗方案为待检索肺结节图像提供诊疗依据。哈希算法和超图方法是两种常见的图像检索算法,在肺结节图像上的应用十分广泛,超图将高维肺结节图像特征充分表示在图中,每一个顶点代表相应的肺结节图像,超图可实现的目标是在多个不同的肺结节图像之间建立相似度关系,并且充分保留原有数据高维特征,实现高精度的检索。哈希算法将原有高维数据进行汉明空间的映射,不但缩小了计算机的存储空间,同时利用汉明距离的量化比较,能够快速返回相似的肺结节图像,实现了快速的目标。针对目前肺结节CT图像的相似性检索中常用检索方法匹配精度低和检索速度慢的问题。本文基于提取的肺结节图像视觉特征和已经标注好的征象标签,提出一种改进的双概率超图哈希算法,使用双层结构用来综合提高肺结节检索的精度和速度。首先为超图的边赋予概率策略,之后最优划分构建好的概率超图得到哈希码,并且构建优质的哈希函数,比较汉明距离,按照汉明距离的大小递减返回,依次返回最为相似的肺结节图像。最后通过设计实验方案,验证了肺结节图像检索的有效性。针对肺结节CT图像的相似性检索中使用的特征由于依赖手工提取的像素级别的图像特征的准确性与完整性,造成的检索匹配精度低、检索速度慢等问题,提出了一种基于深度哈希的肺结节CT图像检索方法,使用深度学习强大的数据处理能力对肺结节的语义级别特征进行深度提取,之后通过有效结合改进的哈希算法,实现检索过程由粗到精的有效操作,返回最为相似的肺结节图像。