随着医学成像技术的发展和成熟,医学影像在肝脏疾病诊断中的起到了重要的作用。目前,肝癌已经成为世界上致死率最高的疾病之一,因为治疗手段的缺乏以及早期肝癌病理指标不太明显,导致可能会造成误诊,从而错过了最佳的治疗时间。肝癌的确诊主要依赖肝脏穿刺活检技术,但该技术对患者肝脏会造成一定的损伤,加之实施难度比高、术后恢复慢,因此,目前对于肝脏疾病的诊断主要还是依赖于医学影像,如肝脏CT。本论文对于肝脏CT图像病变检测与局部病变识别展开了研究,首先针对肝脏CT图像受其他器官组织影响比较大无法实现肝脏CT图像病变自动检测的问题,提出了基于肝脏区域分割结合局部特征提取的肝脏病变检测方法,采用形态学方法将肝脏区域从肝脏CT图像中分离出来,并提取肝脏区域图像灰度纹理特征建立随机森林算法分类模型,实现了批量肝脏CT图像异常CT切片检出；然后针对肝脏CT图像局部病变识别的不足,提出了基于感兴趣ROI提取和随机森林局部病变特征识别的改进方法,采用特征选择精简特征的方法优化了算法运行时间,采用决策树均衡选择的方法改进了算法识别准确率,并通过仿真验证了结果的有效性。在理论研究和仿真的基础上,本论文进一步设计实现了肝脏CT图像病变检测和局部病变识别系统,并针对算法运行效率的问题,在Spark计算框架上实现了随机森林算法应用优化,极大地提高了算法运行效率。