肺癌在全世界范围内的发病率和死亡率居高不下,其早期的诊断和治疗能够有效提高患者的生存率。肺结节是肺癌早期的主要表现形式,因此对肺部可疑的肺结节进行定位与诊断具有重要意义。目前,CT成像设备的普及使其成为早期筛查肺癌的主要影像手段,但是庞大数量的CT图像大幅增加了放射科医师的阅片负担。计算机辅助诊断技术通过定位可疑病灶区域供医师参考,能够提高诊断效率并降低人工阅片的主观性和不稳定性。本文以提高辅助诊断系统的性能为研究目标,分析了现有医学图像处理方法的优劣势,针对肺实质分割和肺结节检测两大关键技术展开研究。整体流程为首先分割肺实质以粗提取病灶范围,后检测肺结节以细定位病灶。具体工作如下:（1）研究了基于改进U-net的肺实质分割方法。针对现有肺实质分割方法在准确率和性能方面的不足之处,提出一种由预分割和细分割两阶段组成的分割方法。在预分割阶段,采用K-means聚类法和形态学操作对CT切片进行二值化,并利用凸包扫描法修补目标边界,实现肺实质的初步定位与修正。在细分割阶段,引入包含预激活模块的残差结构、空洞卷积和密集连接改进U-net,结合锐化目标边界的Sobel算子和改进后的RAD-Unet（Residual Atrous Dense U-net）模型进行细化分割。通过将传统图像分割方法与深度学习策略相结合,在实验测试集上的平均Dice相似系数达到98.49%,Jaccard相似系数为97.02%,获得了良好的分割性能。（2）研究了基于改进特征金字塔网络的肺结节检测方法。针对肺结节种类大小多样性和位置随机性的特性,提出一种基于三维双路径融合特征金字塔网络（Dual Path Fusion Feature Pyramid Network）的检测方法。首先,在特征金字塔网络的基础上增加一条自底向上的特征融合路径,提高浅层特征的传播能力;然后,在融合特征时引入三维上下文注意力机制,提高模型的灵活性;接着,采用深度可分离卷积策略压缩模型,使得模型趋于轻量级化;最后,将Faster R-CNN的候选区域生成模块扩展至三维,并对多尺度融合特征图进行预测。方法的平均敏感度达到96.12%,CPM值为86.34%。通过定量与定性的实验对比,证实了方法在结节查全率和查准率方面具有良好的性能。（3）设计并实现了一个肺结节辅助检测系统。首先,从功能和性能角度进行需求分析;然后,基于模块化的思想设计登录、接诊、数据交互、肺实质分割、肺结节检测、模型管理和病历管理7个功能模块;接着,采用寻址的方式存取关键图片数据,设计数据库核心表结构;最后,基于Python和QT平台实现模块开发和人机交互界面,并将所提出的算法模型和其他优秀的分割、检测模型集成于系统中,辅助医师完成患者的全流程诊断,从而提高医师的诊断效率和准确率。