近年来,由于肺癌长期成为我国癌症死亡率、发病率第一,临床医生对肺癌的早期检查尤为重视。作为肺癌的早期显著性标志,检测肺结节成为临床与科研的研究重点。但是由于每个肺部CT数据包含层数较多,且肺内血管分布复杂,在单一断面上血管与结节均为圆点,难以区分,造成在临床诊断的过程中,医生的阅片负担重,容易出现误诊、漏诊现象,这时就需要计算机辅助诊断的参与。本文将国际公开数据库中的数据与临床实际数据相结合,既保证研究结果的正确性,又保证了临床的可行性。本文主要通过在肺结节检测前的流程中增强肺部图像对比度,缩小疑似肺结节范围的方式,来提高肺结节检测率。首先,在肺实质分割阶段,结合肺实质凸性及结节区域的层间连续性,提出改进的肺实质边缘修补方法;然后在图像增强的过程中,改进基于Hessian矩阵特征值的血管增强方法,构造球形滤波器,实现对疑似结节区域的筛选和局部增强;与此同时,将传统的对原始图像进行图像增强采用对二值图像进行结构滤波替代,避免图像灰度对结构识别的影响;此后,再将二值图像的滤波结果与原始图像的信息结合,确定最终的结节筛选区域;最后,利用肺结节的先验信息实现肺结节的检测步骤,得到最终检测结果。本文的研究目的为实现自动化的肺实质提取,并提高肺结节检测的准确率和速度。现有的肺实质提取方法大都摆脱不了人工参与分割过程,本文通过利用凸性和层间连续性,可以实现全自动的肺实质分割。除此之外,经实验结果证明,采用球形滤波器对二值图像进行处理,能够显著提高结节的识别率。传统肺结节检测方法可能实验中的检测率很高,但由于临床数据中病人情况的复杂性,因此适用性并不好。本文提出的方法,经过临床复杂数据的验证,对比前人的方法更有实践意义。