在肺癌的早期临床影像筛查中,CT影像中肺结节的检测对肺癌诊断极为重要,可以提高肺癌患者的生存几率。由于CT影像的数据量庞大,会给医生带来负担与疲劳,从而导致病症的漏检和误检。因此,临床上急需一种辅助医生进行病症检测的计算机辅助检测（computer-aided detection,CAD）系统,以提高医生的病症检测率。然而,肺结节具有异质性的特性,并且肺腔内存在大量与结节相似的组织。这些因素给肺结节的计算机辅助检测任务带来了巨大的困难和挑战。本文围绕CT影像的特性以及肺结节的特点,深入剖析了CAD系统,并针对其关键技术展开了相对应的研究。对肺结节CAD系统的肺实质分割、候选结节检测以及假阳性结节抑制三个关键技术开展了对应的研究工作,以提升CAD系统的性能。本文的主要研究内容包含以下几个方面:（1）对CT影像肺结节计算机辅助检测系统的基础理论进行了梳理和介绍。本文深入研究和分析了CT成像的特性以及肺结节的特点,并深入剖析了CAD系统中的关键技术及其评价方法与标准。针对CT影像数据以及肺结节的特点,讨论了现有CAD系统关键技术研究的局限性。本文对CT影像特性和肺结节特点的研究与分析,为后续CAD系统关键技术的研究提供了理论基础,也是全文工作的基础与支撑。（2）提出了一种基于形态学的CT影像肺实质分割方法。肺实质分割是CAD系统中的一个基础环节,目的是将研究的区域集中在肺腔内。传统的分割方法很难在算法的准确率、效率以及泛化能力上达到均衡。本文根据肺部CT影像的特征,分析了人体组织的分布与形态差异,在形态学的基础上,结合阈值分割、连通性分析,提出了一种多阶段的肺实质分割方法。通过临床CT影像数据的实验与分析,本文提出的肺实质分割方法具有高效性、高准确率和较好的鲁棒性,可以较好地解决肺实质分割问题。（3）提出了一种基于广义S变换Teager主能量的结节检测方法。候选结节的检测是CAD系统中至关重要的一个环节,它决定了整个系统的最大性能表现。传统的检测方法都是从空间或者统计信息中获取结节相关的特征,缺少了对结节频率信息相关特征的研究。本文通过时频分析,探究了实性结节的时频域属性特征。同时,利用时频域能量属性特征描述实性结节,并将其应用于候选结节检测,由此提出了一种基于广义S变换Teager主能量的结节检测方法。实验结果表明,本文采用的时频域属性特征可以有效地表征实性结节,提出的检测方法也具有较好的检测性能。（4）提出了一种基于最优阶分数域S变换的谱分析结节检测方法。本文利用最优阶分数域S变换优异的时频分辨率,探究了实性结节的固有频率成分,并根据其固有频率成分,结合固有频率下的频率域能量属性特征,提出了一种基于谱分析的候选结节检测方法。通过实验数据的分析与对比,验证了频率成分的差异性可以有效区分结节与假阳性结节。实验结果也表明,本文所提的检测方法具有良好的性能表现。（5）提出了一种基于注意力内嵌式互补流卷积神经网络的假阳性结节抑制方法。假阳性结节的抑制是CAD系统中最后一个关键技术,其目的是去除假阳性结节,完成肺结节检测任务。然而,现有的基于卷积神经网络的方法存在两个局限性:1)没有充分考虑不同尺度输入对最终预测结果的贡献程度;2)忽略了输入中不同区域的重要性差异。本文针对以上两个局限,结合注意力机制,提出了一种基于注意力机制内嵌的互补流卷积神经网络。通过注意力机制引导网络聚焦于空间重要区域的特征,同时自动加权多尺度特征,以实现假阳性结节的抑制。公开数据集的测试和与其他方法的对比实验验证了本文所提方法的可行性和有效性,也表明该方法在假阳性结节抑制中能够取得良好的效果。大量的实验测试与分析表明,本文根据肺部CT影像的特性和结节的特点,针对CAD系统的三个关键技术所提出的四种算法,都在一定程度上解决了现有CAD研究工作中的不足,提升了CAD系统中关键技术的性能表现,增强了CAD系统在肺部CT影像中对异质结节的检测性能。此外,本文针对CAD系统关键技术的研究有助于实现CAD系统的临床应用。