癌症在全球范围内严重危害着人类的健康,全球死于癌症的人中,死于肺癌的占比最高,肝癌位列第四(仅次于肺癌、结直肠癌和胃癌)。对癌症早期进行准确诊断具有重要意义,肺癌和肝癌都是实体癌并且它们在影像学上都表现为结节状病变,都采用CT图像进行早期诊断,并且可以改善患者的预后,有很高的临床价值,但同时也存在很多挑战。在本文研究中,针对计算机辅助检测肺结节有很多假阳性检测结果并且假阳性多来自肺部血管分叉处的问题,使用了选择增强特征的方法,可以量化分析针对肺结节的球状增强图像和针对血管的管状增强图像,减少由血管分叉引起的假阳性检测结果,结合影像组学特征和随机森林分类器可以提高检测敏感度和降低假阳性。该方法可以在肺癌筛查中辅助放射科医生检出肺结节。当患者被检查出肺结节后,快速准确的结节良恶性鉴别是非常重要的。本文提出了一种计算机辅助诊断方法,通过影像组学获取肺结节异质性信息和多频特征,通过选择增强特征分析预示肺癌的血管集束征,使用随机森林分类器来分析这些特征可以对肺结节的良恶性进行鉴别,取得了较好的效果。该方法仅依据一次CT扫描来区分肺结节良恶性,是一种无创且低成本的肺结节良恶性诊断的方法,这为临床肺癌诊断和筛查提供了一个有利的方法。本文继续探索计算机辅助诊断在肝脏结节的应用。肝结节和肺结节的差异较大,为我们研究带来了新的挑战。临床中需要对比分析病灶在增强CT动脉期和门脉期中的变化来对肝结节进行诊断,其中非典型肝结节由于没有典型的影像学征象,一直是个诊断的难点,另外有时候不合适的增强CT图像的采集时刻会使诊断非典型肝结节变得更困难。为了解决这个问题,本文提出了增强CT触发时间因子联合影像组学特征来分析病灶在门脉期和动脉期之间的变化,可以有效地诊断非典型肝结节。为了进一步解决获取增强CT触发时间因子耗时耗力的问题,本文提出了基于主动脉和肝门静脉图像的双通道卷积神经网络的全自动分析触发时间因子的方法。该方法免去了医生的干预,大幅缩短了分析时间。本文通过研究肺结节和肝结节的计算机辅助诊断技术,使用了选择增强特征和触发时间因子结合影像组学的方法分别对胸部CT图像与腹部双期增强CT图像进行分析,可以有效地帮助医生诊断肺结节和非典型肝结节。这些方法可以帮助医生对肺癌和肝癌进行早期诊断,为患者带来福音。