肺癌是导致全世界被确诊为癌症患者死亡的头号杀手,目前提高肺癌诊断病人生存率的核心问题就是针对肺癌进行早诊断与早治疗。在临床上肺结节的良恶性程度与肺癌表现息息相关,因此说肺结节的良恶性诊断问题在肺癌诊断领域内越来越受到重视。对微小结节来说,由于其形态学影像表现非常不典型,并且肺部CT图像容易受到伪影以及噪声等问题的影响,因此说肺癌早期肺结节的良恶性诊断一直是胸部影像学的重点和难点。并且结节的生长具有各异性,针对结节的诊断目前还缺乏统一有效的标准,也给病人的治疗带来了一定的困扰。本文对微小结节良恶性诊断算法进行研究,能够帮助放射科医生通过CT图像对肺结节判断其良恶性程度,从而为肺癌的诊断奠定基础。因此说本课题的研究方向具有现实理论意义以及具有一定的实用价值。微小结节在类型上可以分为实质性结节与亚实质性结节。根据这两种结节的表现特点以及结节表现特征多且复杂的性质,本文对这两种结节类型进行分别研究。针对于亚实质结节,文章利用在临床上表现较为稳定的体积特征,以B样条变换作为肺结节图像局部弹性空间变换模型,利用配准的方法对亚实质结节的体积变化情况进行分析,得到了结节的良恶性诊断结果。并且文章提出了新的相似性测度方法来保证算法的准确度;针对实质结节,文章引入了深度学习方法,本文基于堆积原理和稀疏自编码器,建立了深度学习的网络结构。实验结果证明采用该方法不仅可以模拟人类视觉感知原理,并且可以从肺结节图像中提取结节抽象特征,是一种比较适合对肺结节进行良恶性分类的特征提取方法。