随着医学影像诊断技术的发展,大量的医学图像数据随之产生。通常意义上的胸部影像学的主要研究对象就是肺部,它一般通过建立肺窗来观察相应肺部影像,而计算机断层图像(CT)则是胸部影像学中最常用的图像,已经被广泛用于对于肺部的检测中。医生分析肺部CT的过程是个枯燥而且繁琐的工作,需要每天面对大量的数据信息,而且在这种大阅读量的情况下,分析错误也就很难避免。计算机辅助识别就是针对这种情况而提出的,它通过对大量数据做分析得到处理结果,用来帮助医生更加安全有效地分析数据和进行临床诊断。本文研究并实现了一种基于分类技术的肺部CT图像的识别的方法,能够对肺部CT图像进行自动分割后给医生提示可疑病灶,从而提高诊断质量和诊断效率。首先,研究了CT影像的特征和存储CT影像的DICOM文件格式,解决了CT影像的获取问题。然后,对肺部图像使用不同的滤波方法和图像增强技术进行预处理,接着,通过基于阈值分割方式和区域分割方式的研究,提出自己改进的分割方法,与原有的分割方法进行对照,进而提取图像的感兴趣区域,同时采用区域生长法对区域进行处理,勾划出肺部CT图像的肺实质。最后通过提取肺部CT图像特征进行BP神经网络分类,进行分类测试。