计算机辅助诊断（Computer-Aided Diagnosis, CAD）技术为肺癌的早期检测和诊断提供了有力的支持。大多数情况下，早期肺癌在CT图像中是以肺结节(lung nodule)形式表现的。有效的CAD技术能够将肺结节所蕴含的复杂信息提取出来并直观地显示给临床医生，从而辅助医生对病变体进行全面准确的分析，提高诊断的及时性与准确性。　　 本文以CT影像为数据源，根据实际临床诊断的需求对肺部结节检测算法进行了研究与开发。首先，对输入的三维CT影像数据进行一系列预处理，达到了CT影像中冗余信息消除以及对影像降噪的目的。接着，采用基于Hessian矩阵方法实现结节增强。然后实现了基于区域增长算法的似球状疑似结节分割。在对疑似结节进行特征提取之前，首先对疑似结节区域进行灰度过滤和体积过滤，滤除一部分假阳性，使得后续的特征提取更加有意义。最后，利用BP神经网络对提取的三维特征信息进行训练，实现了对疑似结节真假阳性的分类。　　 通过大量的实验证明，本文提出的三维结节检测算法比较有效，达到了预期的敏感性要求，在一定程度上解决了肺结节的检测问题。