近年来,肺癌成为对人类生命健康危害最大的恶性肿瘤之一。医学上对早期肺癌的诊断主要是利用医学影像的方法,包括X射线诊断和计算机断层扫描技术(Computed Tomography, CT)诊断。CT诊断对肺癌的检出率明显高于X射线诊断,因而成为目前肺癌筛检最有效的影像学方法。肺癌在CT图像中是以肺结节的形式存在的,由于其形态各异、大小不一、分布位置不定、密度与肺部其他组织类似,单凭人眼很难进行肺结节的识别。另外,医生的诊断是一种主观的判断过程,在诊断过程中会受到自身经验、知识水平及外部条件的限制而产生阅片差异。计算机辅助检测和诊断(Computer-aided Detection and Diagnosis, CAD)针对实际临床需要,对CT图像进行自动分析,提示可疑肺结节的位置,提高诊断的精度。本文对肺结节、血管及支气管在CT图像上的特征进行具体分析,根据其形态、灰度的差异,利用形态学及灰度熵的算法对肺结节进行检测。主要工作如下：(1)根据肺结节在CT图像中的形态特征,构造三种形状大小各异的类圆形结构元素与肺实质图像进行开运算处理,将大于结构元素的类圆形区域保留,血管、支气管等线形区域剔除,提取感兴趣区域(Region of Interesting, ROI);为进一步消除假阳性,提高运算速度,根据肺结节与血管、支气管的灰度变化差异,利用图像的灰度熵加以区分,将与切片平行的呈类圆形的血管、支气管等解剖结构剔除,提取候选结节。(2)特征选择上综合考虑肺结节的灰度、形态、纹理等特征,选取灰度均值(Ave)、灰度方差(Var)、面积(S)、圆形度(C)、傅里叶描述子(FD)、边界清晰程度因子(CD)作为特征,利用最近邻法分类器(NN)、支持向量机分类器(SVM)分类识别肺结节,并通过不同的特征数据组合对算法进行测试。实验结果表明本文提出的基于形态学及灰度熵3的肺结节检测算法可以有效地检测肺结节,具有较高的准确率和较低的假阳性率。