医学影像检查是现代医学的最重要的技术之一。随着医学和计算机科学的发展,计算机自动分析医学图像已成为人们关注的问题,而计算机自动检测CT图中的小肝癌就是其中的重要的组成部分。由于肝癌的高死亡率,及小肝癌治疗后相对高的存活率,小肝癌检测具有重要的地位,因此本文选取的从CT图中检测小肝癌的研究具有重要的意义和广阔的应用前景。本文分析了小肝癌的特征和医学图像分割的常用方法,在此基础上提出从肝部提取,肝部阴影检测到小肝癌检测的三阶段的检测方法,对每一阶段结合组织的解剖特性提出相应的图像处理方法。在肝部提取部分提出一种区域生长方法,这种区域生长法从阈值和形态学操作的预处理中提取种子,这样得到的种子区域较大,可以有效减少生长范围和时间,然后结合肝的解剖特征提出生长原则和终止条件,从而生长出有效的肝部区域;然后将算法从二维生长扩充到三维生长,从一系列CT图像中提取出完整的肝区。通过对CV模型演变过程的分析,提出CV模型的符号距离函数的初始化方法,有效地加快CV模型的收敛速度,并将该方法应用于肝部阴影的检测;通过对CV模型“能量”表达式各个部分的分析,将CV模型与阀值分割联系,提出用阀值分割与形态学中值运算的方法检测阴影的方法,得到较理想的阴影区域。小肝癌检测需要对不同期的图像进行比较,因此结合CT图像特点,提出各不同扫描期间相同位置的匹配特征,并以此为基础,通过分析CT图中小肝癌的特性,提出小肝癌的检测算法。实验证明,肝部提取有效地缩小了检测的范围,缩短了检测的时间;肝部阴影检测能够清楚地检测出各个阴影区域,将疑似范围进一步缩小;小肝癌检测能够比较不同扫描期相同位置的CT图像,从而有效检测出具有“快进快出”特征的小肝癌。