根据世界上各大癌症研究中心和卫生组织的调查显示,肺癌已经成为全世界致死率最高的第一大癌症。最有效地提高肺癌生存率的办法就是实现早发现、早诊断和早治疗,而胸腔CT扫描图像为这一目标的实现提供了可能。放射医师和临床医生通过对胸腔CT图像的视觉观察即可直观地发现和诊断肺癌。然而随着CT扫描技术的飞速发展,成像的分辨率越来越高,重建后的图像中可以被发现的肺结节体积越来越小,图像的数据量迅速增加,很显然只依靠视觉观察来发现肺结节是很困难的。另外,临床上对肺结节的良恶性诊断的金标准是活检,这是一种有创的诊断方法,会给受检者带来痛苦。为了辅助医生从CT图像中检测肺结节和实现无创的肺结节良恶性辅助诊断,计算机辅助检测(CADe)和计算机辅助诊断(CADx)系统应运而生。本文围绕这两个系统的方法研究中的关键点和难点进行了如下的研究工作：(1)本文对全世界最大的公共数据库LIDC-IDRI的1018套包含肺结节的胸腔CT扫描图像数据进行了深入的分析。按照放射专家提供的关于肺结节位置坐标和重要特征信息,提取出肺结节的图像数据作为CADe算法检测结果的参考标准和CADx算法诊断肺结节良恶性的输入,为后续实验提供大量的数据基础。据笔者所知,还没有其他的研究团队对LIDC-IDRI数据库中的所有数据做类似的分析和处理。(2)在基于CT扫描图像的CADe主要算法的研究中,本文提出了一整套自动检测和提取肺结节(尤其是胸膜旁肺结节)的方法。首先基于两类VQ检测算法与形态学相结合的方法自动提取肺部区域模板,从而自动地提取整肺区域图像;其次基于四类VQ检测算法检测疑似肺结节区域；然后基于经验值对疑似肺结节进行初步地排除假阳性肺结节的处理；最后基于多特征的监督分类算法,对剩下的疑似肺结节进行进一步地排除假阳性肺结节的处理。通过与其他研究方法对肺结节检测的敏感度、假阳性率和速度结果的比较,验证了本文提出的自动检测和提取肺结节的方法具有更高的性能。(3)在基于灰度图像的多维纹理特征研究肺结节良恶性分类的算法中,为了避免提取肺结节表面和形状特征等外部特征受到分割算法精确度的限制,本文重点研究了肺结节的内部结构特征(即纹理特征)对肺结节良恶性诊断的作用。首先对肺结节的灰度图像用三种常用的纹理特征提取算法进行二维纹理特征的提取,通过分类结果的对比,得出Haralick纹理特征的性能最优。然后本文基于二维Haralick纹理特征的计算原理,提出了三维Haralick纹理特征计算模型,对肺结节的三维纹理结构进行深入研究。最后基于不同类型的肺结节数据,将二维和三维Haralick纹理特征进行分类性能的对比,得出三维Haralick纹理特征比二维的更有优势。(4)在研究纹理特征对肺结节良恶性分类的有效性过程中,本文还提出了基于多阶差分图像(梯度和曲率图像)的多维纹理特征进行肺结节良恶性分类的方法。通过对肺结节与不同组织连接的区域可能包含更多变化信息的假设,提出基于肺结节图像中突变结构的纹理特征进行肺结节良恶性诊断研究。同时分别对是否包含非确定良恶性肺结节的数据集进行实验,分别提取二维和三维纹理特征,通过多种不同特征组合的分类实验,得出当肺结节的多阶差分图像与灰度图像的相同维度纹理特征结合起来时,对肺结节的良恶性分类的性能有所提高。