肺癌是当前全世界范围内发病率和致死率最高且呈现逐年上升趋势的恶性肿瘤之一,严重威胁到了人类的健康问题。在肺癌早期检测时期肺癌CAD发挥着重要作用。本文将肺癌CAD中引入基于内容的图像检索相关技术,研究并实现了一个基于图像检索技术的肺癌CAD系统。该系统从以往已确诊的肺癌图像库中检索和当前检测到的疑似病灶相似的肺结节图像,根据检索结果辅助医生进行相关诊断,从而提高了医生的诊断效率,减轻医生的负担。本文首先简要分析了基于内容的图像检索关键技术,重点研究了肺部CT图像的特征提取方法和特征选择方法。首先从认知和了解孤立型肺结节的医学征象入手,研究肺结节特征提取方法,提取了形状特征、灰度共生矩阵、纹理特征等。为提高图像检索系统性能,提高检索效率,研究特征提取算法,并依据基于概率密度选择的肺结节特征选择方法来优化特征空间。在关键的相似性度量方面,本文重点提出基于高层语义与底层特征相结合的两层相似性度量法,第一层根据肺结节的分叶征和毛刺征评级情况在待匹配数据库LIDC中筛选出和目标图像在语义上相似的一部分样本,然后第二层用改进后的KNN算法在这一部分样本空间里筛选出与目标图像在视觉上相似的样本作为最后的良恶性判断参考。最后通过对面向肺癌CAD的CBIR中三种相似性度量方法进行的平行比较研究论证了本文方法提高了检索效率,在单次查准率上和整体命中率上都有可观程度的提升,具有一定的研究意义和科学价值。