在医学影像检测技术迅速发展的今天,通过CT图像对肺癌治疗过程中的病灶变化进行检测,从而辅助医生诊断具有重要意义。本文围绕肺癌CT图像的病灶变化检测进行研究,首先对肺癌CT图像配准,然后在图像配准的基础上对肺癌CT图像进行超像素分割,最后在肺癌CT图像超像素分割的基础上进行肺癌CT图像的病灶提取,以及病灶分析。论文的主要研究内容如下:首先,本文针对病灶变化检测过程中治疗前后患者CT图像会产生形变的问题,利用特征引导高斯混合模型,对肺癌CT图像的仿射配准进行了研究。本文对常用的三种特征提取算法:Harris算法、SUSAN算法、SIFT算法进行了对比实验和分析,发现在图像的亮度、旋转角度、尺度发生变化的时候,SIFT算法提取的特征点具有很好的稳定性。随后本文基于仿射变换模型,利用SIFT算法提取的特征点,构建用来进行图像配准的高斯混合模型,然后通过半监督期望最大化算法,对构建的模型进行求解。实验结果表明,本文算法可以获的更多的正确特征点匹配关系,从而提升图像配准的精度与成功率。其次,为了进行病灶部位的提取,本文在肺癌CT图像配准的基础上对肺癌CT图像的超像素分割方法进行研究。本文先在传统高斯混合模型的基础上构建了局部高斯混合模型,在模型参数估计过程中,引入特征值分解,通过调节空间协方差矩阵和灰度方差的下限来权衡空间位置和灰度值的相对重要性,以此来调节超像素块在不变性以及规则度上的表现。随后结合肺癌CT图像病灶部位灰度具有一致性的特点,对肺癌CT图像进行超像素分割后,筛选出离群的超像素块,达到病灶提取的目的。经实验验证,本文的超像素分割方法可以产生规则度可控的超像素,并在分割精度上超过了参与对比的超像素分割方法,并且本文的病灶提取方法在精度上优于其他几种对比算法。最后,在病灶提取的基础上,本文采用像素级别的测量方法,对病灶部位进行测量,并且引入靶病灶的像素个数变化作为辅助评价约束,在肺癌治疗疗效评价指标RECIOST1.1标准下,对实验结果进行分析。实验表明,本文增加辅助约束后的分析结果与专家的诊断结果基本一致;实验结果可以看出,本文的病灶变化检测结果能够起到辅助医生进行诊断的作用。