计算机辅助诊断(Computer-Aided Diagnosis,CAD)系统为肺癌的早期检测和诊断提供了有力的支持。利用数字图像处理、模式识别等技术,检测病变特征,可帮助医生勾出可疑对象,提醒医生注意观察。它一方面,大大减轻了医生的工作量,提高了工作效率;另一方面,使影像诊断更加客观化,提高诊断的效率和正确效率。因此,用计算机辅助诊断肺部结节,提取结节的特征,检测和诊断结节,是具有十分重要的意义和研究价值的。本文对肺结节特征提取问题进行研究。通过对肺结节和肺内各组织在序列CT图像上的医学征象分析和研究对比,结合专家提供的知识,提出了肺结节特征提取总体方案。该方案分别从肺部CT图像的灰度特征、肺结节形态、肺结节的纹理、空间上下文特征等几个方面,对关键的医学征象进行图像分析,从而实现对ROI(Regions of Interest)区域的特征提取和量化;接着,还提出了特征提取的评价方案,实验结果表明,本文提取的特征提取方案是有效的。利用本文提取的特征,肺结节检测正确率达到98.5%。围绕肺结节病变组织的智能检测和辅助诊断这一课题中关键问题即特征提取问题展开研究,本文的研究工作主要包括以下几个方面:①分析了肺结节的医学征象,提取相关医学领域知识,作为特征提取的切入点;②提出肺结节形态特征提取方案。利用提取轮廓和关键点求取算法,求出关键点,提取出肺结节关键征象分叶、毛刺等的特征;③提出肺结节纹理特征提取方案。先对图像进小波变换,然后利用广义高斯函数来描述小波变换系数的统计特性,从而实现对肺结节纹理特征提取;④提出肺结节空间上下文特征提取方案。通过计算肺结节在单张切片的位置来描述其局部特征;通过计算肺结节区域与其相邻切片相应区域的相似程度来描述其全局特征;⑤提出肺结节特征提取评价方案。一方面,从特征提取方法的本质角度,定性地分析了特征与医学征象的对应关系;利用ROC曲线,定量地评价特征对主要医学征象的描述程度;另一方面,提出基于互信息比RMI的特征评价准则,以及提出了一种基于粗糙集的启发式最优特征子集选择算法,评价特征与肺结节性质间的相关程度。