由于肺癌早期无明显症状,发现时就已经处于中晚期,治愈几率大大降低,并且目前对肺癌诊断所应用的组织活检穿刺技术会给病人的心理和生理造成巨大的伤害和痛苦。早发现早治疗,及时采取治疗措施才有可能提好治愈效果与生存率。因此应用计算机诊断技术介入治疗一边准确诊断并作出合理的治疗方案具有非常重大的意义。早期肺癌患者的CT图像表现为结节状,属于恶性结节,需要与良性结节鉴别开来,以有利于发现早期肺癌患者和及时治疗。针对以上问题,在对现有计算机辅助诊断系统技术进行分析的基础上,以LIDC数据库与山东齐鲁医院影像数据作为研究对象,展开肺结节计算机辅助诊断技术的研究。论文的主要内容包括为:(1)利用图像处理算法对CT医学影像进行处理分析,总结对于医学CT图像的一系列图像预处理的算法。并对比分析基于图像滤波、边缘分割及图像增强算法的图像预处理算法的优劣性。(2)研究了肺结节CT图像的纹理特征提取过程,分析了图像的纹理特征和纹理特征提取的方法。基于对医学影像数据特点的分析,通过仿真构建了一个肺结节纹理特征提取系统。并对提取的纹理特征数据进行预处理,消除部分样本不均对于良恶性肺结节分类识别带来的消极影响。实验对象是来自美国癌症研究协会(NCD)的LIDC数据库以及山东齐鲁医院的CT影像数据。(3)基于灰度共生矩阵提取能量、熵、相关性、差分矩、对比度、和平均、方差差异性、差平均等肺部CT图像的纹理特征,按照3:1比例将样本分训练集与验证集。利用改进W-Relief F特征权重计算方法对原始高维数据降维处理,并计算出各纹理特征相应的权重值。将权重值应用于改进的Weighted k-means算法中,从而构建结节分类模型。分析结果表明,9种纹理特征对于分类器分类具有不同的作用,贡献的价值各不相同。通过组合多种纹理参数发现,能量、对比度、熵和相关性组合得到的分类效果最好,最终实现了良性结节81.18%,恶性结节91.08%的识别率,良恶性结节识别率良好,可应用于肺癌的早期诊断。