近年来,雾霾等极端天气频发,我国多个城市空气质量持续恶化,这直接导致因呼吸问题引发的肺癌发病率居高不下。如何有效地提高肺癌的治疗效果成了医学上急需解决的问题。多年的临床数据指出,对肺癌的早期诊断能够显著地减小肺癌的致死率。目前最为有效的肺癌检测手段是通过断层扫描而成的CT图像。医学专家们通过观察病人肺部的CT图像来分析病人的情况,因此病人的治疗方案取决于医生的临床经验和医学水平。为了更好地辅助医学专家诊断,减小因为医生水平不一导致治疗方案有效性的差异,人们开始借助于计算机辅助诊断系统(CAD)。计算机辅助诊断系统是利用CT影像成像的特点,根据图像处理、模式识别等知识,辅助医生诊断病人肺部可能存在的病灶区域,其核心在于如何提供一个有效的诊断算法。计算机辅助诊断系统主要包含以下几个部分:肺实质提取、肺结节检测和分割、特征提取以及肺结节诊断。每一个步骤的有效性都会直接影响到最后的识别结果。为了提高肺结节检测的准确性,提高肺结节诊断的准确度,本文重点提出了一种基于高斯差分函数的结节检测法,不仅提高了结节检测的准确性,同时还提高了后期特征提取的有效性。本文的主要内容如下:1)针对肺实质区域的边缘轮廓的特点,将CT图像二值化,并利用数学形态学操作对肺实质进行轮廓的提取,从而实现肺实质的分割。该方法计算量小,人为参与少,有效地进行了肺实质自动分割。2)提出了基于高斯差分函数(Do G)的肺结节定位法实现肺结节的准确检测和分割。该方法能够克服滤波器法改变肺结节的大小和形状的缺点。同时利用Hessian矩阵的方法去除假阳性结节,实验证明该方法比高斯拉普拉斯法和滤波器法相比有更高的准确度和更低的假阳性,同时还有效的减少了计算量,加快了算法实现的效率。3)采用了有效的特征提取。主要提取了灰度特征、几何特征、纹理特征和形态特征等21个特征。避免了过多特征提取而导致的计算量过大以及过学习的问题。另外,根据本样本空间的特点,选取对于样本数有限的状态下更为有效的分类器——支持向量机(SVM)。对比了不同的核函数以及不同参数下的识别准确度。实验证明,本文提出的肺定位结节法比滤波器检测法有更好的准确率和更低的假阳性率。