进入21世纪以来,肺癌的发病率及病死率在全球各个地区都有不同程度的提升。特别是处于快速发展时期的中国,近年来由于工业的高速发展带来的环境恶化,大气污染等问题,中国肺癌新增感染人数和病死人数均位列全球第一。由于肺癌患者初期表征不明显,贻误了最佳治疗时期,导致肺癌五年存活率仍低于癌症平均水平。据美国癌症协会调查显示,早期确诊肺结节良恶性患者的存活率高达80%,而被称为中晚期的III、IV期肺癌患者的存活率明显低于20%。由此可见,肺结节的早期发现以及良恶性的早期诊断是降低肺癌致死率的重要手段之一。随着医学影像技术的日益成熟,相对于侵入式的活检方式,基于医学影像的肺结节良恶性分类研究成为医学图像处理领域的热点。多种基于影像数据的肺结节良恶性诊断方法相继被提出。本文基于肺结节的影像数据研究了以下三方面内容。1)由于肺结节的异构性,常规特征提取方法提取的特征中含有大量带重复信息的冗余特征。本文在具体研究了基于降维思想的PCA方法的基础上,提出使用PCA方法提取和选择肺结节特征。最终确定了用于构建和验证分类模型的12组最优特征集合,将提取的12组特征经0均值标准化处理后作为训练样本和验证样本。2)分析了肺结节的常用分类方法,具体分析了单一核函数在异构数据中存在的核特征空间的不足,以及其他多数分类方法存在的准确率低,分类器泛化性能差等问题,结合多核SVM方法在处理异构数据和复杂样本时的一系列优势,提出基于多核SVM方法分类肺结节。3)针对标准PSO算法在多核函数参数寻优过程中容易拟合到局部最优,迭代后期粒子震荡较大等问题,本文提出基于反馈机制的PSO算法优化多核SVM的核参数。本实验使用浙江金华广福肿瘤医院近三年的90例肺部CT数据。通过实验客观的比较了三种核函数的准确率和AUC值。结果显示,本文方法的训练样本和验证样本的分类准确率分别高达91.47%和88.61%,AUC=0.899。经实验验证,较单一核SVM方法,基于多核SVM方法构造的分类器在泛化性能与学习性能上均得到了提升,分类准确度也得到有效提高。实验结果说明了本方法在辅助肺结节临床诊疗中切实可行,可作为非侵入手段辅助医生进行肺结节的早期预测。