随着人们对健康的重视,定期体检变得十分普遍。肝脏类疾病近年来频发,肝癌死亡率也逐步升高,肝脏健康值得关注。体检时通常采用计算机断层成像技术CT对肝脏等内部器官进行检查,考虑到辐射问题,通常采用低剂量CT设备。由此造成图像分辨率不高,细节不明显,给医生读取图像信息带来巨大压力。且目前的诊断技术过度依赖医生的经验并掺杂主观性,面对复杂的病理特征,医生容易出现错误诊断。针对体检图像分辨率低的问题,本文提出一种新的超分辨率重建算法C-VDSR来提高图像的分辨率。将VDSR(Very Deep Super Resolution)算法采用的L2损失函数替换成Charbonnierpenalty函数,可以更好地捕捉高频特征。实验结果表明本文提出的网络模型相比VDSR具有更优越的性能,以×2尺度重建效果为例,本文算法C-VDSR的PSNR和SSIM指标分别达到32.20dB和0.9182,还能在一定程度上减少重建的时间。对于重建后的较高分辨率的体检肝脏CT图像,我们利用深度学习算法U-Net网络对其进行自动肝脏分割,在得到肝脏区域后,进一步利用该算法实现肿瘤分割。结果表明,图像重建后提高了分割网络的性能,如肝脏分割网络的Dice分数达到了 87.4%。根据上述研究成果,结合系统需求,本文设计了一款由图像增强、肝脏分割、肿瘤分割三部分组成的肝脏肿瘤辅助诊断系统。并对此进行了工程实现,在之前的三大功能基础上加入了用户管理、CT图像管理等在实际应用中需要的功能,并对系统的功能和性能进行了测试。本系统作为OpenEHR系统的第三方服务系统,可以实现对病人电子病历中的CT图像进行超分辨率重建以及对肝脏CT图像进行辅助诊断等功能。