为适应医学影像检查技术的飞速发展，开展以计算机辅助诊断或智能化诊断为目标的医学图像处理和分析研究，已经成为目前这个领域的一个研究热点和未来发展的主要趋势。病变自动化检出又必须涉及到图像配准，图像分割，数字化图谱创建等多项基本的图像处理与分析技术。在此背景下，本文针对三维肺部CT图像开展了计算机辅助诊断系统的研究。　　 对于肺部CT图像而言，肺纹理(包括肺气管树、静脉树和动脉树)包含了肺部重要的功能和解剖结构信息。这些信息与某些肺部病变(如：气管狭窄、肺肿瘤等)直接或间接关联，可以用来诊断和定位肺部病变，甚至可以应用于肺解剖图谱的建立。我们依次用自适应区域生长法和基于SMDC连接代价函数的分割方法来分割肺气管和血管，然后根据支气管与血管解剖结构特点，把动静脉分开。　　 骨架的提取对肺气道参数的数学模型建立和标记点提取起到非常重要的作用。我们首先用双距离场法提取呼吸两相气管的单像素的骨架线，然后把骨架的分叉点作为标记点，并用霍夫曼编码方法对其编码，以便呼吸两相的标记点进行匹配。　　 图像配准是实现计算机辅助诊断系统的一个关键。可以通过配准过程得到肺部局部容积特征信息，为建立统计图谱和病变检测打下基础。首先我们用仿射变换对呼气相数据进行处理，然后采用上述提取标记点的方法提取呼吸两相的标记点，对呼气相数据进行基于灰度驱动和模型驱动的配准操作。　　 课题研究工作的成果较好的实现了计算机辅助诊断研究中所需的图像分割、特征提取、非刚性配准等技术，具有实际应用价值。　　 最后，作者特别感谢国家自然科学基金(60771007)和安徽省教育厅重点课题(2006KJ097A)对本文工作的资助。