肺癌的发病率和死亡率在所有癌症之中都长期位于前列,逐渐发展成危害人类身体健康的重要癌症之一。在医学CT图像中,早期肺癌大都以肺结节的表现形式存在,如果能够早期发现这些病变的肺结节并及时进行相应的治疗,那么患者的死亡率便会大大降低。但是在现实诊断过程中,医生每天要阅读大量的CT图片,高的阅读量与诊断准确率就相互矛盾。随着人工智能、医学影像诊断技术和图像识别等技术不断地完善和发展,计算机辅助检测系统可以很好的帮助医生诊断病灶。所以针对肺区小结节的计算机检测系统的算法探究具体很重要意义和价值。全文以美国权威肺癌图像研究数据库为数据集,分析了现有算法中存在的不足之处,提出了相应的改进算法和解决方案,最终实现了肺部实质图像的分割和肺部小结节的检测。本文首先针对原始图像使用了中值滤波作为预处理方法,去除了图像中干扰噪声,其次针对Otsu算法对于肺部图像分割不足的情况,运用了基于改进免疫遗传的Otsu算法对肺部图像实现了初次分割,并结合了区域生长算法和一些形态学算法产生了肺实质掩膜,同时将得到的肺实质掩膜与原图像相乘,形成了肺实质图像,最后采用了滚球算法实现了对肺实质图像边缘的修补,形成最终肺实质图像。在最终形成的肺实质图像基础上,对图像边缘检测算法、Susan算法和FCM算法检测效果进行探索研究,最终利用了改进Fast算法对肺实质图像上的肺小结节ROI区域实现检测,并将检出肺小结节彩色标记显示,从而形成对肺小结节ROI区域检测流程算法的研究。最后对整个检测算法的稳定性、检测效率、准确性进行客观的分析评价,且经过大量实验表明本文的算法研究是可行的,能够利用改进算法对肺实质实现分割,并且能够检出肺小结节ROI区域。