多年以来，肺结节的自动检测一直都是医学界专家的困扰，众多的专家学者对其进行了深入的研究并提出很多的检测方法，尤其是在肺实质分割方面也已经取得了一些显著的成果。但是，现在国内外的计算机辅助检测系统主要检测的是实心型的肺结节，很少对毛玻璃型的肺结节进行检测。虽然近几年国外的一些学者提出了检测毛玻璃型肺结节的几种算法，但是普遍存在敏感性和特异性都不高的问题。国内对于毛玻璃型肺结节检测算法的研究几乎还是空白，因此本文提出了一种检测毛玻璃型肺结节的方法。本论文的研究工作主要包括如下几点。第一，分割含有毛玻璃型肺结节的肺部区域。由于肺结节一定位于肺实质上，所以检测肺结节的第一步就是分割肺实质，以便提高肺结节检测的效率。本文综合考虑了自动分割肺实质的几个步骤，即分割左右肺、剔除气管/支气管、修补肺实质边缘。第二，针对毛玻璃型肺结节是淡淡的、模糊的影像，不容易被检测的问题，本文用具有自适应性的非线性滤波器（Adaptive Nonlinear Filter,AN）结合带通滤波器（Bandpass Filter）来检测毛玻璃型肺结节（Ground Glass Opacity,GGO）的候选区域。对于中国医科大学第一附属医院的35套含有17个毛玻璃型肺结节的数据，漏检了1个；而LIDC数据库中50套含有21个毛玻璃型肺结节的数据，漏检了2个；两部分数据的平均漏检率是7.89%。第三，针对毛玻璃型肺结节的特殊灰度和形态特征，本论文首先提取了22维的特征数据，然后用主成分分析方法将22特征降到8维。这8维的贡献率能够达到97%以上，超过了主成分分析的要求。第四，本文在提取的8维特征数据基础上，用有动量的BP神经网络对毛玻璃型肺结节进行分类识别。该方法的识别率为88%。本文对大量肺部医学图像进行仿真实验后获取的最终结果表明，该算法能提高检测肺结节的敏感性，并且降低其假阳性率。