肺癌是最常见的肺原发性恶性肿瘤,近年来,肺癌的发病率和死亡率在迅速上升,已成为发病率和死亡率最高的恶性肿瘤之一。肺癌早期多以肺结节的形态表现。CT扫描是肺结节检测的重要手段,可以利用CT扫描在病变早期及时发现恶性结节从而大大提高肺癌病人的生存率。随着CT技术的发展,尤其是多排高分辨率CT的出现,使放射医师的阅片量大大增加,这就造成了漏检率和误检率的上升。计算机辅助诊断系统可以辅助放射医师进行检测和诊断,使检测效率和检出率大大提高。针对肺部CT图像的自动分割与检测的难点以及医疗影像学特点,对肺实质分割、疑似结节提取和肺结节识别等相应环节的自动检测和识别算法进行了研究和实现。根据肺部CT图像的灰度特点,利用均值阈值迭代法对肺实质进行了有效的分割,获得了较为完整的肺实质图像；利用矩量保持法和基于Hessian矩阵的圆点增强滤波器对疑似结节区域进行提取,增强圆形、类圆形的结节区域,抑制和削弱血管等线形区域；为进一步降低假阳率,利用改进模拟退火算法对结节特征进行选取,通过Fisher线性判别式对疑似结节区域进行分类,去除血管交叉点和血管端点等假阳性区域来降低假阳率。实验结果表明,本文所提算法在敏感性和特异性方面具有良好的性能。