肺部病变往往表现为结节，肺结节是肺部病变的重要征象之一，结节的特征往往表明肺病的性质和预后，检测诊断肺结节对确定病变是不是肺癌有重要意义，对肺结节的研究是国内外的研究热点。结节尤其是小结节的早期诊断非常困难。长期以来肺癌筛查多采用胸部X线片，由于胸部各解剖结构的重叠，使小结节的检测非常困难。CT作为一种新型的医学成像设备，具有密度分辨力高，图像信息丰富，可以对图像进行各种后处理等特点，对肺结节尤其是小结节的早期检测具有显著的价值，在世界范围的肺癌筛查诊断方面得到了广泛应用。 但是为检测出肺部小结节(其中有些可能表示早期癌症)，CT图像的层厚越来越薄，因此放射科医生需要阅读大量图像。肉眼识别CT图像中的小结节通常会受到大量血管的干扰，为了区别结节和血管，医生需要比较多个CT层面的图像以提取相关数据。这个过程很容易使人疲劳或分心，尤其是在图像中同时存在其他异常的时候。这些都及容易造成误诊或漏诊。这就是需要一种计算机辅助检测手段对肺部CT图像中的结节进行检测和描述，并对其在临床上对医生的辅助作用进行评价，以期能辅助医生早期发现肺癌研究肺部CT图像的计算机辅助分析方法，重点研究肺结节的计算机辅助检测方法，并在算法研究的基础上编制软件系统，实现利用计算机辅助CT图像分析和肺结节检测。 本论文采用灰度阈值和区域增长相结合的方法进行肺图像的分割，并对分割结果进行必要的校正，然后在分割图像中运用多尺度图像增强和曲面形态分析技术等进行结节增强和兴趣区检测，然后采用区域增长的方法分割结节，对分割后的结节区域，采用神经网络分类器进行识别分类，以减少假阳性。采用VC++6.0编程，编制的相应的软件，实现了直接读取DICOM格式CT图像和肺结节检测。对有、无CAD时诊断医师的检测成绩用ROC分析进行评价，结果表明有CAD时诊断医师的结节检出能力高于没有CAD时。实际应用检验表明，本文的方法是提高肺癌结节的早期检出率和利用计算机辅助分析肺结节的有效方法之一，所用算法实用有效，软件系统界面友好使用方便。