肺癌是当今世界上最常见的癌症之一,并且确诊之后的存活率也是很低的。造成这种情况的最主要原因是,由于医学条件的限制,肺癌在早期的时候十分难以发现,而等到了晚期,症状明显了,即使发现了也已经几乎无法治愈了。在这样的情况下,为了能够在一定程度上提高患有肺癌的病人的治愈率,使更多的人们能免受肺癌的侵害,在肺癌的早期,也就是肿瘤的早期生长阶段就将其检测出来,并给以适当的治疗是最主要的手段。肺癌的早期在医学影像学方面的表现通常为孤立性肺结节(Solitary Pulmonary Nodules, SPNs)。因此,想办法提升对孤立性肺结节的检测和识别率,是对肺癌早期检测最重要的途径。随着影像检查技术的不断发展及不断改进,低剂量的CT扫描已经逐渐成为了检测早期肺癌的孤立性肺结节最有效的方法之一。CT(即计算机断层摄影)技术是在X射线成像技术以及计算机技术发展的基础上所诞生出的一项全新的技术。采用CT技术得到肺部的扫描图像后,我们再通过计算机辅助检测(Computer Aided Detection, CAD)系统对肺结节图像进行适当的处理,这样才能为医生对于肺癌的诊断提供更有力的支持。CAD系统可以大幅度缩减医生的工作量,能够使并没有太多工作经验的医生可以替代之前需要有经验的医生人工阅片的工作,这样还提高了工作效率,也使得通过影像的诊断变得客观化,对提高诊断的效率和正确率有一定的帮助。因此,采用计算机作为肺结节的辅助诊断工具,并提取肺结节的特征,检测和识别肺结节,是具有重要的意义和研究价值的。本课题的研究目的也正在于此。本课题为“肺结节CT图像特征提取及SVM分类方法研究”,在熟悉现有肺部CT图像一般处理方法的基础上,主要在特征提取及分类方面做了些研究工作。主要研究工作包括：国内外当前的研究进展,肺部疾病及肺结节的相关知识,肺结节CT图像的前期处理方法研究,图像的特征提取,肿瘤的分类等五个部分。本论文从理论与实践两方面对肺结节CT图像的特征提取及分类进行了较全面的研究,并利用临床采集的CT图像进行了验证。由于临床数据较少,肺部疾病种类繁多,并且经常是多症并发,只能将肺结节图像分为良性及恶性两类。并且由于处于研究初期,特征提取及分类算法有待改进。今后的工作重点将是逐渐的建立完整的图像处理体系,实现自动ROI区域的提取,改进特征提取算法及分类算法,并为建立完整的CAD系统而努力。