肺癌是目前死亡率最高的恶性肿瘤之一,研究表明早期诊断和治疗对提高肺癌患者的治愈率和预后效果起着至关重要的作用。计算机X射线断层扫描(CT)是肺癌早期检查最好的影像学方法,由于计算机辅助诊断方法能够减少放射科医师的阅片工作量及单独阅片的疏漏,提高诊断准确率,已成为全球研究的热点。本文基于CT影像研究了肺癌计算机辅助诊断所需影像数据库的构建方法、肺实质的提取方法和肺结节的检测算法,重点对胸膜结节、实体结节和毛玻璃结节的检测方法进行了深入的研究。针对LIDC (Lung Imaging Database Consortium)肺癌影像数据库在使用中存在的不足,以LIDC数据库为基础,提出并实现了一套计算机辅助诊断所用影像数据库的构建方案。其包括：数据存储模型、基于多专家标注的“金标准"生成,以及影像和标注数据的可视化及检索。该方案为肺癌计算机辅助诊断研究提供了数据基础,同时也可为其它病种影像数据库的构建提供参考。提出了基于多尺度相对凸包技术的肺边界修复和胸膜结节检测方法。该方法分为：1)计算肺部原始轮廓不同尺度下的相对凸包；2)提取肺部边界上的凹面作为候选错误分割凹面；3)提取候选凹面的跨度、深度等特征后采用基于规则的分类器识别出错误凹面和肺正常生理结构引起的正确凹面；4)对错误凹面进行修复；5)将修复后的肺部轮廓和初始轮廓的差作为候选胸膜结节；6)提取候选结节的有效直径、深度等23个特征；7)利用SVM (Support Vector Machine)分类器对优化后的特征进行分类,去除假阳性结节。实验结果表明,该方法能有效提高肺实质分割的精度,同时,对胸膜结节检测的敏感性达到94.5%时,假阳性率为7.75FPs/Scan。提出了肺部实体结节的检测方法。该方法分为：1)采用基于多尺度圆点滤波方法对实体结节进行初始检测,得到候选结节；2)在候选结节分割的基础上提取粘连表面比例、结节所在不同切片的像素数的方差等23个特征；3)利用SVM对使用GA优化后的特征组合进行分类,去除分类结果中的假阳性结节。实验结果表明,当结节检测的敏感性为98%时,假阳性为20FPs/Scan,当敏感性为92%时,假阳性率为4.7FPs/Scan。提出了形状指数和自适应非线性滤波相结合的两阶段毛玻璃结节检测方法。该方法分为：1)计算原始CT图像中各像素的局部几何特征形状指数,生成对应的形状指数图像；2)利用毛玻璃结节具有球形结构或部分球形结构的特点,基于阈值分割方法从形状指数图像中提取候选毛玻璃结节；3)从原始CT图像中剔除血管和已提取的候选结节,采用自适应非线性滤波器拉伸毛玻璃结节和肺实质的对比度,利于阈值再次提取候选毛玻璃结节以便检测到第一阶段漏检的部分毛玻璃结节；4)使用SVM对优化后的特征组合进行分类,去除假阳性结节。实验结果表明,当结节检测的敏感性为94.4%时,假阳性为12.5FPs/Scan。最后,为了对各种结节检测算法进行评估和对比,本文提出了使用统一评估平台的解决方案,并对统一评估平台中的数据、“金标准"及评估算法给出了具体的实现方法。