肺癌是科学界广泛关注的癌症疾病之一，其居高不下的发病率和死亡率使得研究者们保持对肺癌方面的研究，而肺癌早期检测和诊断则是缓解发病率、降低死亡率的有效手段。计算机断层扫描(CT)技术的发展更新为研究者们提供了高质量的胸腔CT图像，并且更多的图像细节内容被呈现出来。此外，大量临床医学图像数据的积累也给研究者们提供一个进一步探究肺癌病理性特征的机会。现有的计算机辅助检测和诊断系统(CAD:CADe/CADx)能够有效地缓解放射学家繁重的人工检查和诊断的压力，己逐渐成为临床上不可或缺的重要技术方案。然而，一些薄弱性和局限性仍然存在于目前的CAD系统中。为了改进目前的CAD系统的性能，并且为该领域的研究提供有价值的思路，本文基于高分辨率肺CT图像，针对肺结节检测和诊断以及肺组织的分类预测，进行了如下的研究工作:
　　(1)本文搜集了全世界公认的包含肺结节及其详细注释的最大的胸腔CT图像数据库LIDC-IDRI。该数据库包含了1018套高危肺癌人群的CT图像病例，并且每套病例带有一份详细的肺结节注释信息的XML文件。针对该XML文件，本文设计了一个包含所有肺结节属性以及注释信息的架构，为进一步的检测和诊断工作打好基础。此外，联合广州某医学院采集了115套肺癌患者的CT图像，并对患者们进行跟踪检测，为肺癌CAD方法研究提供了临床数据保障。
　　(2)在肺实质分割以及疑似肺结节选取的研究中，为了无偏地分割肺实质区域，并在肺实质内分割出感兴趣的疑似肺结节区域，提出了基于三维区域生长的肺部区域分割算法和基于高斯核函数的空间模糊C均值(SFCM)的候选肺结节提取算法。此外，针对肺壁粘连结节，提出一种基于局部窗口内轮廓差分分析的自动肺轮廓修复算法。实验表明，本文方法在处理丰富度较高的大量肺CT图像时具有很好的泛化性。
　　(3)在肺结节识别和初步诊断的研究中，对降低肺结节假阳性进行研究并对肺结节特征提取方法进行归纳改进。首先，本文采用基于Hession矩阵的frangi滤波器对管状的假阳性结节区域进行消除;其次，提出一种基于深度学习的多组合、多尺度的肺结节识别方法。最后，基于已分割出来的肺结节区域，融合了多种统计特征、纹理特征以及形状特征，首次提出了基于像素值的空间统计特征图(PVSSM)和三维旋转不变的LBP特征。通过结合多种模式识别算法，对肺结节的良恶属性进行判断。实验表明，本文的方法能够高效地降低结节的假阳性率，并且证明了肺结节PVSSM特征对肺结节良恶性评估的可行性。
　　(4)在肺结节诊断以及肺组织分类预测的研究中，提出一种基于图像单词的潜在蒂利克雷分布(LDA)主题模型的分析方法。首先，本文分别设计了基于补丁的二维和三维图像单词的构建方法;其次，通过对二维和三维图像的多维特征提取，每一个图像单词表示成一维特征向量;再次，构建基于图像语料库的LDA主题模型，并且基于经验和实验分析确定图像词汇和主题数目;最后，通过吉布斯抽样方法训练LDA主题模型，并结合统计分析方法对肺结节及肺组织进行分类预测。实验表明，本文方法能够实现对肺结节及肺组织的多属性分析，并取得了较好的分析效果。
　　本文提出的关于肺结节检测和肺结节及肺组织诊断系统的一系列算法不仅能够推动肺癌CAD系统的临床应用，而且为研究者们提出了新颖的肺癌检测和诊断的解决方案。