根据世界上各大癌症研究中心和卫生组织的调查显示，肺癌已经成为全世界致死率最高的第一大癌症。目前胸腔扫描图像技术的应用范围越来越广泛。通过分析CT图像的特征(Computed Tomography，CT)发现早期肺结节并且及时给出正确的诊断、治疗，可以有效提高病患者的生存率。传统的诊断方法主要依靠放射科医生凭着经验使用肉眼对图像进行解读、分析，其中包括可疑区域检测、分割、分析等过程。然而随着扫描技术的飞速发展，成像的分辨率越来越高，图像中被发现的肺结节体积越来越小，图像数据量迅速增加，给医生带来很大的阅片工作量。基于肺部CT图像计算机辅助诊断系统的诞生主要为了有效地提供给医生正确、可靠的辅助分析结果，减少对病患者的有创活检，同时降低医生的工作量。针对肺癌计算机辅助诊断系统(Computer-aided diagnosis systems，CADs)的研究、建模，本文围绕着肺结节分割、检测及分类这几个关键点和难点进行了如下的研究工作:　　(1)肺部CT图像数据库的分析。本文中使用LDC-IRDI公开肺癌数据库的1010套及合作医院的456套自建CT图像数据库进行深入统计、分析。首先研究、理解DICOM文件的成像特性及其所附带的信息。然后统计、分析不同数据库中肺癌病患者的生理信息，该特征作为辅助诊断的重要依据之一。另外分析DICOM文件的属性，包括HU值转换参数、分辨率等，然后对系统进行调整以适应于不同类型的数据，提高系统的鲁棒性及实用性;　　(2)为了减少实质型胸壁粘连肺结节对肺结节检测的影响，本文提出一种结合图像无监督聚类及形态学方法实现全自动的肺实质分割。从聚类结果提取粗糙的肺实质边缘，其中仍存在由主气管、主血管和粘连胸壁肺结节造成的凹陷。针对肺实质边缘上的缺口，本文使用一种基于形态学闭运算的快速填充方法对粗糙肺实质区域进行优化。实验证明提出的肺实质分割算法对不同数据集的胸壁粘连肺结节均起到了良好的作用。　　(3)针对肺结节分割，本文中提出一种基于图像混合聚类和改进分水岭的肺结节分割方法。使用提出的图像混合聚类方法计算感兴趣区域(Region Of Interest，ROI)的灰度密度分布图。通过叠加的密度分布图定位ROI中的肺结节位置并利用紧凑分水岭方法和制定的水域标签合并规则实现肺结节分割。提出的图像混合聚类方法有效地将图像的灰度空间转换至固定的标签空间。改进分水岭分割方法不仅有效地分割孤立型肺结节还具有对粘连血管肺结节的分割能力。　　(4)为了研究与分析提高肺结节的良恶性分类性能本文中展示了2D/3D几何和Harralick纹理特征的计算模型。从肺结节图像提取18D（针对两维图）与51D（针对三维图）结合随机森林分类器对验证数据进行良恶性分类。本文还提出一种基于灰度密度分布特征的提取方法，包含:基于图像子块和无监督聚类的提取方法;基于混合聚类的灰度密度分布特征提取方法和指数加权角密度分布特征。实验结果表明所提出的密度分布特征的优异性，对LIDC-IDRI和自建数据集的评价参数均优胜于几何和纹理特征。　　(5)研究表明肺结节的毛刺度对结节影响很大，毛刺度为肺结节良恶性最重要的判断依据之一。针对分析三维肺结节图像的毛刺度提出一种基于球体降采样的毛刺指标和毛刺特征的计算方法。首先使用二十面体近似球体并对三维肺结节图像进行采样，采样矩阵经过傅里叶变换和无监督聚类生成毛刺特征。另一方面将采样矩阵转换为一维信号并计算结节的毛刺指标。实验结果表明提出的毛刺特征对肺结节识别的有效性，而毛刺指标更可以为辅助诊断提供可靠的依据。