近些年来肺癌的发病率日益增加,调查表明肺癌已经是当今世界上发病率和死亡率最大的恶性肿瘤之一。肺癌的早期症状就是肺结节,其中磨玻璃型肺结节（Ground Glass Pulmonary Nodules,GGN）在癌变率和死亡率方面要远高于其他类型肺结节。目前,早期检测肺癌的有效手段主要是观察CT图像结节的表现特征,难免存在一些误差。随着医学影像科技的发展,计算机辅助诊断（Computer Aided Diagnosis,CAD）系统用于检测肺癌诊断领域中的各种病变,通过将其与肺部CT序列结合可对肺结节进行诊断,CAD技术用于肺部CT图像逐渐成为国内外研究的热点。基于肺部CT图像,本文研究了肺实质的分割、磨玻璃肺结节的分割以及磨玻璃肺结节的良恶性分类。其中肺实质的分割是基础,可去除肺壁等结构对于肺结节分割的干扰;肺结节的分割是肺部CAD技术中的关键,分割效果的好坏将直接影响后续肺结节的良恶性分类;肺结节的分类又是肺部CAD技术流程中的核心。上述三步是整个肺部CAD技术的研究热点和难点。本文针对肺部CT图像中肺实质的分割、肺结节的分割与分类方法的研究内容如下:（1）肺实质的分割算法。为保证后续肺结节的精确分割,应首先去除肺壁等结构对肺结节分割的干扰。本文采用了一种基于最大类间方差法（OTSU）和区域生长形态学的肺实质分割方法。首先采用OTSU阈值分割法进行粗分割,得到二值图像;然后用区域生长法和形态学方法去除低密度气管,得到肺实质掩膜图像,提取肺实质图像。实验证明,本文算法在分割肺实质时的精确度、召回率较高。（2）肺结节的分割算法。针对磨玻璃肺结节灰度差异小、灰度值分布不均以及边界模糊等问题,本文采用一种基于区域生长和改进随机游走的肺结节分割算法。首先利用区域生长在两侧肺实质区域内选取种子点粗分割,对分割后的区域进行灰度、几何特征判断对肺结节区域定位,对定位到的肺结节区域利用改进的随机游走算法,在顶点间权值计算中引入几何距离、Gabor纹理特征,为未标记顶点分配最大类标签实现肺结节的分割。实验结果证明,本文算法对GGN分割的精确度较高,差异度较低。（3）肺结节的分类算法。针对GGN的良恶性分类,本文采用一种基于弹性网络和网格寻优的改进随机森林分类算法。首先提取GGN的几何特征和纹理特征,通过弹性网络回归筛选最优特征子集;然后通过网格寻优优化随机森林分类器的参数,加入卡方检验优化随机森林的加权投票;最后利用改进的随机森林分类器对提取好的特征实现良恶性分类。实验结果证明,本文采用的GGN分类算法在分类的准确率和敏感度较高。