癌症是威胁人类生命的首要疾病之一,而肺癌因其高发病率、高死亡率和高新增发病案例数的特性成为癌症中最为致命的肿瘤疾病。随着人们生活习惯的改变和环境的日益恶化,肺癌人群日益增加,因而社会对此关注度日益增加。由于医疗水平的发展和医疗投入的加大,CT,MRI等设备的不断更新,医生CT图像阅片量也随之增加。早发现早治疗就能够提高肺癌的存活率,但是医生重复工作量和高检测率就相互矛盾。计算机辅助诊断系统能够辅助医生大大减少重复工作量并增加检测的速率和效率。肺癌病征在影像学上表现为肺结节形式。本文采用的素材是LIDC数据集,即美国权威肺癌研究数据集。本文结合肺结节的影像学表现特性和医学特性,利用图像处理技术和数据挖掘技术对医学序列图像进行处理和研究。本文研究方法:根据肺部CT图像的灰度直方图,利用均值阈值法、去噪处理、轮廓提取和形态学操作进行完整的肺实质分割,其中应用基于轮廓和面积的去噪方法;然后利用混合空间增强算法和基于高斯模型与Hessian矩阵的多尺度圆形增强滤波算法对肺部CT图像中疑似肺结节进行灰度级增强,其中混合空间增强算法主要增强结节轮廓信息达到增强肺结节区域效果,而多尺度圆形增强滤波器主要增强基于圆形模型的疑似肺结节区域和抑制线条形的血管组织达到增强肺结节区域效果,进而突显肺结节表现效果;接着利用基于边缘检测的Live-wire算法和基于标记的区域生长算法达到快速提取序列图像肺实质功能;再统计肺结节特征性质,利用改进遗传算法进行特征组合的优化,提高肺结节检测率;最后采用基于两类特征群的RBF核SVM算法进行肺结节分类判断。肺结节检测准确率是检测出真肺结节在所有肺结节中占有比例,而假阳性率则是假阳性结节在每个序列中的平均个数。通过一系列图像处理和数据分析流程,本文的最终目的是提高检测肺结节的速率与准确率和降低其假阳性率。目前,在国内外,肺癌CAD系统很大程度上处在研究过程中,没有应用到实际医院里。本文检验和测试系统的功能表现,与国内外研究型软件系统相比,有高速率、高稳定性、高敏感性和高特异性的优势。