临床研究表明，在所有癌症中，无论是发病率还是死亡率，肺癌都占据第一的位置，已成为危害人类健康的恶性肿瘤之一。肺癌早期一般表现为肺结节，若患者能在早期进行肺结节检测并治疗将会大大降低死亡率。因此提高肺结节的早期检测率是降低肺癌死亡率的关键。CT扫描被认为是检测肺结节的最佳方法，但大量的CT图像加重了医生的阅片工作量，从而增加了漏诊和误诊几率。随着数字图像处理技术、医学影像诊断技术和模式识别等技术的不断完善，计算机辅助检测病变技术得以快速发展。通过计算机辅助检测肺结节能为放射科医生提供参考信息，从而加快肺结节检测效率进而提高准确率。因而基于计算机辅助检测的研究具有十分重要的意义和价值。全文针对基于CT图像的孤立型肺结节检测这一课题，对现有方法中存在的不足进行了分析，提出了本文的研究目标和解决方案，最终实现了对孤立型肺结节的自动检测。首先对原始CT图像进行维纳滤波预处理，能够得到较好的去噪效果；其次两次采用自适应迭代阈值法对肺实质进行初步分割，并结合区域标记和轮廓提取方法实现了肺实质自动分割；接着根据肺实质图像的直方图特性，采用自适应阈值方法并结合孤立型肺结节在CT图像上的表现特点获得了候选结节区域；再对ROI进行了灰度特征和形态特征提取；最后利用支持向量机构造分类器实现了孤立型肺结节的分类与识别，并在原图像中标记出识别的结节位置。根据客观的性能评价标准，实验的准确率达到93.407%，特异度达到98.485%。实验结果表明本文采用的算法是可行的，能够对孤立型肺结节进行有效地检测。