肺癌是当今人类健康危害最大的恶性肿瘤之一,也是导致死亡率最高的癌症疾病之一,早期的诊断和治疗可以提高患者的存活率。随着低剂量的多层螺旋CT出现,它已成为肺癌早期诊断重要工具,然而医生所需要处理的CT图像信息急剧增加。为了帮助医生直观有效的观察病灶,减轻医生工作,降低医生的漏诊率,计算机辅助诊断(CAD)技术已经成为医学影像和计算机科学中重要领域。研究表明CAD对于提高诊断准确率、减低漏诊率起到积极的作用。在医学诊断中,采用包含丰富信息的3D数据代替简单的2D图像已经成为医学图像处理领域的发展趋势。计算机图形处理器(Graphics Processing Unit,-GPU)是一种高度并行的流处理器,与CPU串行计算模式不同,GPU具有更强的浮点预算能力,且目前已经出现可编程的并行计算平台,GPU的编程开发能够突破三维医学图像处理的速度瓶颈,满足实际应用中实时性要求。本文针对肺癌CAD系统的关键算法进行研究,主要工作包括四个方面：(1)对低剂量肺部CT图像进行预处理,使用大津法、气球力活动轮廓对图像进行肺实质分割,并进行分析比较,研究运用模糊C均值聚类算法获得更为完整的肺实质分割模板,并去除多余干扰区域,改进滚球法来修补腐蚀的肺实质边缘。该算法能够自动获得更为完整的肺实质区域；(2)分析结节在三维空间中的特征,研究基于三维Hessian矩阵的多尺度增强及反几何扩散滤波增强,根据结节三维形状指数对其进行检测分析；(3)分析现有体绘制技术及算法加速技术、基于GPU并行处理技术,根据体绘制算法特点,研究基于GPU并行处理的体绘制加速。该方法能够快速的对大量体数据进行三维重建,满足实际应用中实时处理的要求；(4)建立肺癌CAD系统处理平台,获得医学影像特有的DICOM格式的图像数据及病人,将肺实质分割、肺结节检测及三维重建等CAD关键技术融为一体,满足实际应用中的需要。通过实验测试表明,本文提出的肺实质分割算法能够自动精确提取肺实质,且不依赖任何模型。肺结节检测算法具有较高的准确性。三维重建达到实时性要求,满足实际应用的要求,具有实际应用意义。