尽管癌症成像技术和新的癌症治疗方法已有着显着的进步,但癌症仍是一个主要的流行病学医疗保健问题。由于癌症是异质性的疾病,在目前的临床实践中由于缺乏针对癌症预后结果的准确可靠的评估能力而导致大量是过度诊断和过度治疗,不但延误了肺癌的最佳诊疗时间,也为癌症患者增加了医疗成本。因此,能够在前期发现开发最佳的个性化癌症治疗模式已引起了广泛的研究兴趣。而肺结节正是肺癌早期出现的主要征象之一。为了克服这种临床困境并提高癌症治疗的治愈率,有效地从肺部CT图像中分离肺结节对于肺癌的早期诊断时至关重要的。目前关于肺部及肺结节的分割识别算法众多,然而,由于肺结节是个特征异质性较强的组织,因此目前的识别算法大多并不总是可行的,为了获得较为全面的肺部和肺结节信息,需要一个足够可靠的分割及识别算法来对大量的胸部CT图像进行处理,而有时对于在实际的临床图像应用中依然存在着不可预测的变化。目前随着CT断层扫描技术的发展,医学图像具备着显示许多潜在癌症发展和预后生物过程等极其有用的特征,诸如肺结节的识别可以在癌症的诊断和预后评估中提供有用的补充信息。此外,由于计算机辅助计划实现了图像特征的定量分析,开发计算机肺结节识别辅助诊断系统应该是更可靠和具有成本效益的。本文首先对研究的背景及意义进行了阐述,同时总结了目前的一些分割识别的研究成果并概述了现有的分割方法,也阐述了本文选用SVM进行识别算法设计的优势,经过对临床的胸部CT图像进行了轮廓提取等预处理后,对肺结节的一些特征进行了量化的提取,最后利用SVM进行了分类识别的算法的设计。