医学CT检查已经成为疾病筛查、诊断和治疗中必不可少辅助工具,且日益广泛应用。然而,日常产生的大量医学CT图像、图像数据的非结构特性以及医学图像内容的专业性,给基于医学影像判读的快速精准诊疗带来极大挑战。近年来,医学图像的自动分析以及计算机辅助诊疗技术受到极大重视,可以一定程度上解决医学数据的自动判读和分析,从而提高医学诊疗的准确性、便捷性和处理大规模数据的能力。为临床重大疾病的筛查、诊断、手术规划等提供精准的图像分析技术,是当前图像分析领域急需解决的前沿问题。我国是肝癌的高发病国家,且肝癌是恶性肿瘤的一种,其发病率及死亡率较高。因此,研究计算机辅助肝癌诊疗具有重要应用价值。本文面向计算机辅助肝癌诊疗,利用深度卷积神经网络研究肝脏CT图像智能分析。具体地,我们提出了解决CT图像的智能预处理、肝脏和肿瘤自动分割中若干问题的有效方法。在预处理阶段,针对数据中存在图像方向不正的问题,设计了一种多任务并行卷积回归网络对方向偏差参数进行预测,解决了传统配准校正方法在大角度偏差校正上的不足,在大偏差和小偏差情况下都取得了良好效果;进一步的,针对医学图像数据量小的问题,对多任务并行卷积回归网络进行串行化改造,偏差参数的求解分为了两步,通过求解较为简单的第一阶段参数,为第二阶段问题解决提供了便利,使整体偏差的求解精度获得了提高。在肝脏分割阶段,在传统使用三方向分割进行均值融合的基础上,针对融合中没有利用三维图像局部信息,在边缘以及一些特殊形状下的分割结果不够精确的问题,设计了自适应融合及其配套方法,对各视角分割结果在不同局域的置信度进行判定,而后再加权融合,从而提高了最终分割融合结果。在肝脏肿瘤分割中,针对病变肝脏欠分割和肿瘤过分割问题,设计了使用关联损失的多任务分割网络。通过共享浅层的深度网络结构,使各任务间相互促进,更快的生成泛化性更强的浅层特征。进一步的,设计了描述任务间几何关系的任务关联损失函数,有效解决了肝脏欠分割和肿瘤过分割的问题。在ISBI-2017肝脏肿瘤分割数据集上的实验证明,上述提出的方法是有效的。在预处理方向校正实验中,角度侧旋校正误差相比参考的配准校正方法最好结果有了巨大提高;在多视角肝脏分割问题中,分割结果ASSD误差指标仅有参考实验结果的一半左右;在使用关联损失的多任务肝脏及肿瘤分割中,可视化结果显示本文提出的方法有效解决了腹腔CT图像器官分割中肝脏过分割和肿瘤欠分割的问题。