计算机技术日益兴起后，正快速扩张进入其他领域。医疗领域也在利用这一趋势，通过提供准确和可靠的医疗服务来打造竞争优势。肺癌，作为一种被认为是众多癌症中带走更多人生命的一种疾病，需要更早期的检测手段。肺结节代表了肺癌的早期阶段，对肺癌的早期诊断重要性不言而喻。计算机辅助检测系统(CAD)作为计算机技术的代表，为临床带来了肺结节检测的新工具和新方法。但目前CAD技术在这一领域的作用仍然薄弱，为促进系统可靠性提高和性能提升，很多研究尚待进一步深入。　　本研究开发了一种肺结节检测方法，该研究工作由四个环节组成。首先采用图像采集和预处理技术将肺从身体中分割出来;第二步是肺内部结构的提取;随后确定可能候选的八个最典型特征;最后利用向量机根据候选样本的特征进行结节和非结节的分类。此研究工作主要解决了以下三个问题:　　a)开发了一种不丢失肺胸膜附近肺结节的肺提取方法。肺提取由于结节类型的不同则复杂性不同，该方法使用了最小误差阈值技术和预处理算法来检测大部分肺部轮廓。当接近肺胸膜部分的肺结节出现时，图像分割难度提高，使用区域生长算法以增强肺的边界和减少关键信息的损失。　　b)制定一个检测和区分可能肺结节结构的图像分割算法。肺内部结构的分割分为两部分，首先用二维算法遍历肺部每一层的非结构信息，其次通过三维的BLOB算法与连接算法结合来找到可能的肺结节。这些算法的组合有效地降低了误报率，不同尺寸的分割可提供对结节结构更好的描述和选择。　　c)通过使用支持向量机实现较好的结节检测和假阳性消除效果。采用与几何和直方图相关的参数作为获得这些结节特征的主要来源，使用相关性分析方法，选择八大特征来定义肺结节的特征描述，将提取的特征输入到支持向量机（SVM）中，用来将样本根据它们的特征分成结节和非结节。　　整个算法性能综合评价，通过对专家读取的肺节结具体位置与该系统预测的位置进行比较后验证。　　通过上述工作的完成，建立了从数据采集到最终结节呈现的完整的肺部结节检测系统。所提出的方法鲁棒性高，结果良好。对分别来自TCIA和SPIE数据库采集的共65组CT数据分析后，显示灵敏度为94.23％、特异性为84.75％的结果。考虑到45组数据用于测试判断其为结节还是非结节，以及20组已知为结节或非结节的数据用于训练，这两个结果的实际准确率为89.19％，经分析每组数据的误报率是0.2％。