肺结节是一种常见的肺部疾病,容易发生误诊和漏诊,随着CT技术的广泛应用,医生的诊断效率得到了很大的提高。然而CT图像数据比较大,需要放射科医生大量时间阅读,一些细微的病灶容易忽视,计算机辅助检测技术有效的提高了医生的诊断效率和质量。本文针对CT图像肺结节诊断中感兴趣区域的分割、特征提取和识别方法进行了研究,主要内容包括：1.在迭代阈值法的基础上,提出了一种结合形态学和区域大小统计的肺实质分割方法,增强了肺实质分割图像的气管消除效果。提出了一种基于形态学和圆形滤波的ROI提取方法,初步减少了假阳数量,相对完整的保留了ROI的形态。2.分析了常用的图像特征提取方法并提取灰度、纹理和形态特征。在此基础上利用支持向量机对候选结节进行识别,在合作医院的数据集上取得了89.4%的准确率,90.9%的灵敏度,89.3%的特异度。3.采用卷积神经网络,对合作医院提供的肺部CT图像提取了34×34大小区域作为输入图像,设计了一个8层深度模型,对候选结节分类准确率、灵敏度、特异度分别达到84.6%、82.5%、86.7%。4.基于CT图像肺结节特征提取和识别方法理论研究成果,设计并实现了一个CT图像肺结节辅助识别系统。