肺癌是最常见的内脏恶性肿瘤,早期的诊断和治疗是提高肺癌病人生存率的关键。CT扫描是目前肺癌检测的最重要手段,它使肺部病变的早期准确诊断成为可能。肺结节是肺癌在CT图像中的主要表现形式,由于肺部本身结构的复杂性和肺结节形状大小的多样性,因而即使富有经验的医生也很难及时发现图像中所有可能的病变区域,并且由于肺部CT扫描的巨大图像数量,特别是高分辨率扫描图片,仅一个病人的扫描图像数量就可达到300层以上,给医生带来了巨大的工作量。随着计算机及其相关技术的大力发展,使得利用计算机进行辅助探测和诊断成为可能。好的计算机辅助检测能够给医生提供病变区域检测的先验知识,帮助医生更好地对图像进行理解和判断,从而大大地提高诊断的效率和准确率。肺结节通常是指肺部直径不超过3cm的圆形或类圆形病灶,在影像中表现为类圆形的致密区域。为了有效地利用计算机进行肺结节的辅助检测,本文提出了一套完整的肺结节自动检测方法。本文的检测算法分为四大步骤,针对每一步骤,分别提出了各自有效的算法。首先针对肺部CT图像的特点,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;在此基础上,应用高斯混合模型对图像进行初步分割,并进行了相应的改进,然后结合区域生长连通标记和形态学的方法获得了较为完整的肺实质区域;根据图像的灰度、对比度等最基本的影像特征,提出了一种能够充分获取感兴趣区域种子点的算法,有效地保证了区域生长的准确性;然后结合这些种子点区域,提出了自适应三维区域生长的算法来提取疑似肺结节的感兴趣区域(ROI);由于提取出的感兴趣区域中存在大量假阳性区域,为了提高检测结果的精度,在对感兴趣区域进行了有效特征的提取后,将SVM分类器应用于结节区域和正常组织的分类中,取得了良好的检测结果。实验结果表明,本文提出的检测方法取得了良好的检测结果,相信经过不断的努力和改进,这些检测算法将具有广阔的应用前景。