肺癌逐步成为全球死亡率最高的癌症,“早发现、早诊断、早治疗”是提高肺癌患者生存率的关键。肺癌早期一般表现为肺结节,因此,检测肺结节是肺癌早期诊断的首要步骤。在临床上,检测肺结节多采用螺旋CT,而在CT扫描中产生的大量影像数据,加重了放射科医生的阅片负担,致使其诊断的效率和准确率下降。在此背景下,基于CT影像的肺结节计算机辅助检测/诊断(Computer-Aided Detection and/or Diagnosis,CAD)技术应运而生。近几十年来,虽然国内外学者研发了不同类型的CAD技术和方法辅助放射科医生进行肺结节的检测和鉴别诊断,但是到目前为止,低敏感性、高假阳性仍然是肺结节CAD方法存在的主要问题。针对上述问题,本文重点围绕CAD算法开展了两个方面的研究内容:?CT影像肺结节检测方法研究;?肺结节良恶性鉴别方法研究。第一,针对CT影像肺结节检测(Computer-Aided Detection,CADe)方法,本文提出了两种不同的算法:?基于动态自适应模板匹配和FLDA(Fisher Linear Discriminant Analysis)分类器的肺结节检测算法。首先,采用一系列预处理方法,分割和提取肺实质区域,并对分割后图像进行重采样;然后,利用3D球形滤波算法检测和分割3D感兴趣区域,并在此基础上运用3D动态自适应模板匹配算法对肺结节区域进行粗筛选;最后,选用FLDA分类器进一步排除疑似肺结节区域中的假阳性肺结节。通过与近年来文献中报道的算法进行对比,结果表明本文CADe算法能够在保持较高检测敏感性的同时,有效降低假阳性。?基于3D张量滤波和局部图像特征分析的肺结节检测方法。首先,采用肺实质分割方法提取肺实质区域,并利用图像重采样算法使分割后图像在各个方向的分辨率达到一致;然后,利用3D张量滤波算法和局部图像特征分析方法检测和定位疑似肺结节区域;最后,利用随机森林分类器进一步排除假阳性肺结节区域。通过利用公共数据集中的数据进行实验,结果表明相比于近年来文献中报道的肺结节检测方法,在相同假阳性率的条件下,本文方法可以有效提升检测的敏感性。最后,为进一步分析上述两种算法的性能,本文还进行了对比实验,结果表明方法?不仅能够提高肺结节检测的敏感性,而且可以有效降低检测的假阳性。第二,针对肺结节良恶性鉴别诊断(Computer-Aided Diagnosis,CADx)方法,本文主要开展了两个方面的研究:?研究了不同训练数据集对肺结节良恶性鉴别算法性能的影响。首先,通过利用肺结节分割、特征提取与优化、SMOTE重采样、分类器鉴别等图像处理和特征分析步骤,设计了基于CT图像的肺结节良恶性分类方法。然后,分别选用包含早期和晚期肺癌的数据集对该分类方法的性能进行测试。实验结果表明,在训练数据集中增加早期肺癌数据可以有效提高肺结节良恶性鉴别分类器的性能。?为进一步提升肺结节良恶性鉴别方法的性能,本文提出了基于影像特征和肿瘤标记物特征的肺结节良恶性分类方法。首先,分别利用CT影像和肿瘤标记物特征设计了两种不同的肺结节良恶性分类方法;然后,选用包含病理诊断“金标准”的肺结节样本分别训练和测试两种鉴别方法;最后,采用信息融合方法将两种鉴别方法获得的分类结果融合,进一步提升CADx算法的性能。实验结果表明,综合利用不同类型的肺结节特征,可有效提高肺结节良恶性鉴别方法的性能。最后,在总结和整理本文研究算法的基础上,设计和开发了一套基于CT影像肺结节CAD软件系统。该软件系统主要包括:图像信息读取、图像浏览、肺组织分割和检测分析等四个模块。通过运用本课题中研究的各类图像分割、检测方法,实现了肺结节检测、肺部组织分割、三维可视化显示等功能,为相关算法在临床中应用推广奠定了基础。