肺癌是最常见的内脏恶性肿瘤,也是已知的确诊后存活率最低的癌症之一。在我国,肺癌的发病率在城市已居肿瘤死亡率首位。在肿瘤的早期阶段就进行检测与治疗是提高肺癌病人生存率的主要的也是关键的方法。CT扫描是诊断肺癌的重要手段。但是,大量的CT图像不仅导致医生工作量增加,同时也增加了漏诊和误诊的几率。图像处理技术如分割﹑提取﹑三维重建和显示等,使得计算机辅助读片成为可能,可以辅助医生对病变及其它感兴趣的区域进行定性乃至准确的定量分析,从而提高医疗诊断的效率,减轻医生的负担。本文对肺部结节的自动检测进行了研究。对于分布位置不定、形态各异的肺结节的检测一直是国际上各大学和大跨国公司研究的热点。我们将肺部结节的自动检测分为图像的预处理、肺部的提取、感兴趣区域(ROI)的分割和ROI特征提取及分类几个部分,对普通CT图像和高分辨率CT图像的检测结果进行了探讨。肺实质的提取使用边界检测和连通域标记等方法,对于结节与胸膜相连的情况也进行了讨论处理。得到肺实质后我们用改进的分水岭方法和模糊C均值聚类方法进行分割得到ROI,然后提取ROI相关特征,结合医学知识用基于准则的分类方法将ROI分为结节和血管。最后对肺结节的显示也作了探讨。结节的良恶性判别问题是本论文讨论的另一个主要内容。良恶性判别是结节的一级分类,也是目前国际上研究的一个难点和热点。我们将现有方法分为“测量法”和“对比法”两类,并对测量法进行了详细的研究。计算了结节的几何形态特征和纹理特征,并将分形理论引入到肺结节研究中,用改进的分形维数来描述结节粗糙度和复杂度。结合医学知识,给出了结节CT医学征象的识别算法。我们用线性判别分析方法进行分类,用敏感性-特异性曲线(Receiver Operating Characteristic Curves:ROC)评估分类器性能。