近年来,肿癌已经成为最多发的癌症之一。肺癌早期得到确诊和治疗对患者来说意义重大,可将患者术后5年生存率提高到40%～70%。肺癌早期的主要表现形式是孤立性肺结节。因而肿癌的CT诊断工作主要是辨别肺实质内的结节,观察结节的医学征象,并初步判断结节的良恶程度。良性结节患者可避免不必要的手术；对于恶性结节患者则早确诊早治疗,以延续生命。本文的主要工作围绕孤立肺结节的半自动检测和其医学征象的自动化识别来开展。目的是辅助放射科医生辨别肺结节,和为其初步判断结节的良恶程度提供定量的参考依据。具体的工作和取得的相应成果有以下几项内容：1.采用最大方差阈值法二值化肺部CT图像,接着用扫描线方法探测肺实质区域,选取种子点,最后利用区域生长法得到肺实质,该方法分割得到肺实质的正确率可达98%以上2.采用交互的方式在疑似肺结节区域上选取种子点,再用区域生长法将疑似结节从肺实质中分割出来；接着对其进行轮廓提取和边界跟踪得到疑似结节有序的边界信息；同时提取疑似肺结节的一些量化特征,包括几何、位置、灰度和纹理等方面的特征量用于疑似肺结节的分类即判别是否为肺结节。3.针对肺结节的毛刺、棘突、钙化、空泡、空洞和分叶等医学征象,分别提出其对应的识别算法,实验结果为：毛刺、棘突征的识别算法正确率不足70%;而钙化、空泡、空洞和分叶等的识别算法正确率可达70%以上4.将属性Bagging-kNN分类算法首次用在肺结节数据分类实验上，该数据由之前提取的疑似肺结节的特征量描述构成,该分类方法对肺结节数据的分类正确率可达98%,证明了本文提取的疑似肺结节的特征量用于肺结节检测的效果显著。