肺纤维化疾病是威胁人体健康的四大疾病之一，严重影响着患者的生活和工作。目前尚无有效方法来治疗，尽早发现病情，控制纤维化程度至关重要。医生常通过肺功能检查来发现病情，患者很有可能被误诊，导致错过治疗时间。因此开发一种可以辅助检测纤维化疾病的系统，就显得非常必要。而如何实现肺部CT图像准确分割和三维重建，以准确进行纤维化定量分析，辅助医生诊断病情并尽早制定治疗方案，是需要深入研究的基础和关键。本文重点研究了医学图像分割与三维重建算法，借助医学图像处理技术，在Matlab平台上搭建了肺纤维化辅助检测系统，根据肺部图像信息特征来进行定量分析，并进行病人资料记录。本文所做的主要工作如下：①在图像分割方面，介绍了阈值法、区域生长法、边缘检测法和基于特定理论的方法等常用的分割方法，通过在Matlab环境下运用各个算法对肺部CT图像进行了分割，分析了各个算法的优缺点。针对传统方法很难满足课题要求的问题，提出了基于改进Snake模型的肺部图像分割算法。将原图像进行阈值分割得到大致边界，然后利用Live-wire模型得到初始轮廓，最后利用Snake模型提取肺实质。文章分别对Live-wire算法和Snake模型的缺点进行了相关的改进。利用图像分割算法的评价方法，对改进的Snake算法进行了评价和分析。②在三维重建方面，介绍了三维重建中的面绘制和体绘制两种方法，分析了这两种方法的特点，最后在Matlab环境下对肺部序列图像使用体绘制方法进行了三维重建。③在肺纤维化辅助检测方面，根据分割得到的肺实质，从灰度特征、肺野面积等定量分析肺纤维化；根据得到的肺三维模型从不同角度观察有无纤维化病灶。④在Matlab环境下对系统进行了设计与开发。主要对图像读取显示、图像分割、三维重建、定量分析、数据库资料记录等模块进行了设计实现。本文通过研究图像分割和重建，构造了肺纤维化辅助诊断系统，能辅助医生定量分析肺纤维化疾病，准确诊断轻度肺纤维化、进展期肺纤维化和重度纤维化，取得了良好的效果。