肺癌是当今对人类生命健康危害最大的恶性肿瘤之一，肺结节是肺癌的早期表现形式。特别近半个世纪以来，各国肺癌的发病率和病死率都急剧上升。如果肺癌能在早期被诊断和治疗，其5年生存率将从14％上升到49％。因此为了提高肺癌患者的生存率，肿结节的早期诊断与治疗是关键。肺结节的检测方法有X线胸片检测和CT(Computer Tomography)检测两种。使用CT检测肺结节显著优于X线胸片，直径小于1cm的小结节易被X线胸片遗漏，CT检出肺结节的概率可为X线胸片的8倍。肺部CT影像的信息量较大，且结节点在影像中容易被人眼所遗漏，所以肺结节的计算机辅助诊断(Computer Aided Diagnose，简称CAD)逐渐发展起来。本文旨在将肺结节的计算机检测应用到临床诊断中，在医生诊断之前，给出某些部位可能是肺结节的提示，使得医生无须反复浏览整个肺部CT影像序列，以减轻医生的工作量，提高诊断效率。肺结节的检测方法通常分为三步：首先，分别对每幅影像进行分割，提取出肺实质和胸壁；然后，在二维环境下对所提取的结果进行分析(2D分析)，筛除大部分不可能是肺结节的区域以减少下一步的工作量，剩下区域为2D-ROI(Region Of Interesting)；最后，在三维环境下对2D-ROI进行分析(3D分析)，得到3D-ROI，即疑似肺结节区域。常规分割方法存在处理时间长，受噪声影响大等缺点。本文提出利用环境相关C均值聚类算法，从每幅CT影像中提取出肺实质区域。该方法克服了常规方法的这些缺点，实验结果也显示了较好的效果。常规的2D分析方法与3D分析方法只是对孤立肺结节(solitary pulmonary nodule，简称SPN)进行了处理，但是忽略了与胸壁相连的肺结节(conglutinate pulmonary nodule，简称CPN)的情况。95％以上肺结节检测的文献都只是针对SPN的，这是因为要将肺结节从胸壁上分离是一个难点，目前还没有一个令所有人都满意的算法。Kanazawa等人在文献[3]中提出使用计算胸壁曲率的方法来分离CPN，但是该方法过于繁琐，且假阳性率太高。本文提出一种简单易行的方法来处理CPN，大大地缩短了处理时间，也得到了比较低的假阳性率。本文对15个DICOM格式的高分辨率胸部CT影像序列进行实验，其中包含24个SPN和30个CPN。实验结果显示，肺实质提取算法可以很好的分离肺实质和背景区域；对SPN的检测得到95.8％的检出率和20.8％的假阳性率；对CPN的检测得到90.0％的检出率和33.3％的假阳性率。这一结果是比较理想的，也得到了专家医生的肯定。