肺癌是全球最常见和死亡率最高的癌症类型。在肺癌筛查诊断过程中,计算机辅助检测系统(Computer-Aided Detection,CAD)能辅助医生进行肺部疾病的诊断和治疗,有效提高了诊断准确率并减轻了医生工作量。本课题以肺部CAD系统为中心,重点研究三维肺部CT图像中磨玻璃密度影征象(Ground Glass Opacity,GGO)的自动检测方法,主要研究工作分为以下两个方面:(1)本文提出了一种基于超体素和多阈值的GGO结节感兴趣区域提取方法。该算法首先采用传统的阈值法结合形态学方法提取完整的肺实质,在此基础上利用超体素分割算法将图像中的体素聚类成灰度相似、空间位置邻近的超体素簇。然后利用Hessian矩阵提取类球形结构的特征,从而增强局限性GGO结节。最后,为了不漏掉弥散性GGO结节,再利用自适应多阈值法结合形态学方法提取最终的GGO感兴趣区域。(2)首次将多粒度级联森林(Multi-Grained Cascade Forest,gc Forest)算法应用于GGO假阳性去除。提取了GGO结节感兴趣区域后,图像仍包含许多非GGO结节的组织结构,还需进一步去除假阳性。首先通过多粒度扫描将GGO感兴趣区域统一处理成具有空间连续性的特征向量,并将其输入到级联森林结构中进行训练,再用训练好的gc Forest分类器识别GGO结节,该方法大大减少了GGO假阳性个数,具有较高准确率。最后,再对检测到的GGO结节进行三维重建并标记可疑病灶区。本文实验中用的三维肺部CT图像均来自LISS数据库,采集于中国医学科学院肿瘤医院的真实病例,来自19名患者,共166个GGO病灶区。在GGO检测实验中,感兴趣区域提取的敏感度为100%,平均每病例上假阳性个数为26.3。进一步去除假阳性后,三维GGO自动检测实验最终的准确率为86.44%,敏感度为95.78%,特异度74.61%,平均每病例上假阳性个数为7.3。通过对比实验和交叉验证证明了本文所提方法显著提高了GGO检测准确率和敏感度,具有一定的学术意义和临床应用价值。