肺癌是最常见的内脏恶性肿瘤之一，近半个世纪以来，肺癌的发病率和死亡率都急速上升，已成为绝大多数国家癌症死亡的主要原因，被认为是当前危害人类生命健康的头号杀手。如果能在早期发现并及时治疗肺癌，患者的五年存活率可从14%提高到49%。肺癌的早期表现是肺结节，因此肺结节的早期检测和诊断对提高肺癌患者的生存率显得尤为重要。计算机辅助检测(Computer Aided Detection,CAD)是近年来随着计算机技术的飞速发展而应用于影像诊断领域的一项新技术。它利用专业的计算机算法分析医学影像，对图像进行自动分析后向医生提示可疑的肺结节，从而帮助医生更加安全有效地分析数据，克服了因主观因素而产生的漏判及误判。计算机辅助检测和诊断的关键在于如何从图像中正确地检测出肺结节。本文针对肺结节检测算法进行了相关研究，提出了基于CT图像的肺结节自动检测算法。该检测算法分为五大步骤，对于每个步骤，分别提出了各自有效的算法。首先结合肺部CT图像的特点，对图像进行阀值分割及反操作，实现了对肺实质区域的完整提取；在此基础上，提出了针对肺部CT图像的形态学滤波方法，取得了较好的滤波效果；然后使用了直方图规定化和TopHat的方法对滤波后的图像进行增强，为后续的分割奠定了基础；接着提出了一种将EM算法和区域生长相结合的图像分割算法，以EM分割后的图像为种子点进行区域生长，比原先仅使用EM方法的抗噪性更强，且不容易陷入局部最优，取得了很好的分割效果；最后以面积为特征量，结合数学形态学，将分割后图像中的肺结节点检测出来。论文最后对上述方法进行了实验验证，实验的结果表明，本文提出的算法取得了良好的检测效果，相信通过不断的努力和改进，这一检测算法将具有广阔的应用前景。