肺作为人体重要的气体交换器官,常伴随着许多疾病的发生,这严重影响了人类的健康与生命安全。随着CT成像分辨率的不断提高,更多更小的肺部组织信息从CT图像中显露出来,为医生基于CT图像的疑似肺结节检测工作带来了严重挑战,于是基于辅助医疗的疑似肺结节提取判定工作应运而生。目前,计算机辅助判定肺结节多根据纹理、形状、尺寸、球形度、平均灰度等肺结节二维特征进行,导致大量假阳性肺结节存在,降低判别准确率。然而,医师判定肺结节大多根据肺结节的三维特征进行。因此,基于CT图像提取疑似肺结节三维特征信息并据此进行计算机辅助判定是一种有益的尝试。肺结节检测的方案分为三个步骤:(1)基于CT图像的肺实质有效分割;(2)疑似肺结节三维特征提取;(3)根据疑似肺结节三维特征进行肺结节判定。本文针对上述三个步骤的相关算法进行了深入研究,主要工作包括以下三个方面:1.为实现CT图像中肺实质的有效分割,通过对大津法、最大熵法和k-means聚类算法进行比较分析,提出了一种大津法的改进算法,并应用其进行肺实质分割中肺部粗轮廓的提取,此基础上进行左右肺实质的分割。2.为了提取疑似肺结节的三维特征信息,提出了改进密度邻域的三维DBSCAN算法,并应用其进行疑似肺结节三维特征提取。但由于该算法初始核心点集较多,导致最终提取出来的无效信息(非肺结节区域)比例偏大,严重影响了后期疑似肺结节的判定效率。针对该问题,设计了Fast-RCNN与三维DBSCAN算法的融合算法。将Fast-RCNN用于CT图像的疑似肺结节二维特征提取,并将提取结果作为三维DBSCAN算法的初始核心点集,进行疑似肺结节三维特征提取。3.以卷积神经网络与三维DBSCAN算法的融合算法提取的三维特征作为输入,应用三维卷积神经网络模型对提取的疑似肺结节进行阳性判定。通过实验结果分析,与其他算法相比,本文设计的肺结节检测算法准确率、特异性和敏感性较高,假阳率较为接近。