肺癌是对当今人类健康危害最大的恶性肿瘤之一,根据世界卫生组织(World Health Organization, WHO)的报告,肺癌的死亡率已经上升为世界最高的癌症死亡率,如果肺癌能在早期被发现和治疗可以提高患者的生存率。随着低剂量多层螺旋CT的出现,它已经成为肺癌早期诊断的重要工具,但是相应的医生所需处理的CT图像信息也急剧增加。为了减轻医生的工作量,帮助他们直观有效地观察病灶,降低漏诊和误诊几率,计算机辅助检测和诊断(Computer-aided detection, CAD)技术应运而生。研究表明CAD对于提高诊断准确率、降低漏诊率起到积极的作用。肺癌在其早期一般表现为肺结节,肺结节可分为两类：实质性结节和非实质性结节,非实质性结节常常被称为毛玻璃型结节(Ground Glass Opacity, GGO)。研究资料表明,GGO型结节是最有可能转化为肺癌的一种结节之一。因此,如果能在结节阶段就能成功检测到,对患者的后期治疗将会起到很大的作用,可以提高患者10年之内的存活率。本文针对肺癌CAD系统的关键算法进行研究,主要工作包括四个方面：(1)提出了基于二维Otsu阂值方法的肺实质分割框架,抑制噪声的干扰,提高肺实质阈值分割的质量。同时针对上述算法计算时间长的缺陷,研究了利用粒子群优化方法去优化阈值获取时间,提高算法质量。之后通过肺实质的再分割和修补,获得完整的肺实质图像；(2)提出了针对GGO型肺结节的分割与提取算法,根据该类型结节在CT图像中的影像表现,对原图像进行高通滤波,之后计算图像的灰度共生矩阵进行相应的纹理分析,然后设计多尺度三维Hessian矩阵滤波器进行假阳性结节去除,得到最后的感兴趣区域(Region of Interest, ROI)。对这些候选区域提取二维和三维特征,为进一步特征分类做好准备；(3)根据实际病例ROI中GGo结节与非GGO结节的不平衡性,在支持向量机的基础上,研究针对不平衡数据的分类器设计,并对分类器进行评估；(4)实现肺癌CAD系统,将肺实质分割、肺结节检测、三维重建、数据库连接等CAD关键技术融合在一起,同时将该系统进行压缩、打包成安装软件包,使其具有可携带性,满足实际需要。实验测试表明,本文提出的肺实质分割算法具有良好算法质量,较优的抗噪性能,能够自动准确地提取肺实质,且不依赖任何模型。GGo候选区域分割算法能够有效保留GGO结节,灵敏度较高且降低了假阳率。不平衡数据分类器能有效提高Ro1分类准确率,且能获得相对最优的分类性能。