یک ندول ریه، ضایعه ای کوچک داخل ریه است و معمولا به صورت گرد یا مارپیچی دیده می شود. استفاده از جراحی، رادیوتراپی و شیمی درمانی، روش های رایج درمان سرطان ریه هستند. با این وجود شانس زندگی 5 ساله بیماران پس از همه این مراحل درمانی بسیار پایین است. چرا که سرطان ریه معمولا بدون علایم ظاهری است و تشخیص آن معمولا زمانی اتفاق می افتد که بیماری بسیار پیشرفت کرده است. تشخیص زود هنگام سرطان ریه اغلب، با روش های تصویر برداری پزشکی امکان پذیر است. سی تی اسکن یکی از رایج ترین و دقیق ترین روش های موجود برای تشخیص سرطان ریه است. هدف از پایان نامه، اریه یک سیتم کمک تشخیص کامپیوتری برای تشخیص انواع ندول های ریوی با حساسیت و دقت بالا است. به همین منظور، در ابتدا به بررسی تحقیقات انجام شده در این زمینه پرداخته و مزایا و معایب هر یک را بررسی نمودیم. تشخیص ندول های متصل به رگ یا دیواره ریه، یکی از مهمترین مشکلات و چالش های سیتم های موجود است که دراین پایان نامه به آن پرداخته شده است. تخمین اندازه ندول، مساله دیگری است که درخیلی از مقالات به آن توجه نشده یا این که نیاز به محاسبات زیاد، استفاده عملی از آن را غیر ممکن می کند. به منظور امکان توسعه سیستم پیشنهادی و استفاده از نتایج هر مرحله به صورت جداگانه برای افزایش کارایی سیستم های موجود، سیستم پیشنهادی در چند مرحله مجزا توسعه داده شده است. در مرحله پیش پردازش به بررسی روش های بهبود کیفیت تصویر پرداخته و روشی را ارایه نمودیم که ضمن بهبود کیفیت تصویر، جزییات آن را نیز واضح تر نماید. در مرحله بعد به منظور کاهش زمان محاسبه و محدود شدن پردازش های بعدی و کاهش خطای مثبت در خارج از محدوده ریه، قطعه بندی ریه انجام شده است. با توجه به مطالعات گسترده ای که در زمینه روش های قطعه بندی تصاویر پزشکی انجام دادیم، یک روش نوین قطعه بندی خودکار ریه بر اساس روش راه پیمای تصادفی ارایه نمودیم. روش ارایه شده علاوه بر برخورداری از مزایای روش راه پیمای تصادفی یک روش کاملا خودکار نیز هست و این امر بر مزیت روش قطعه بندی می افزاید. در مرحله تشخیص کاندیدهای ندول، انواع ندول های ریه مد نظر قرار گرفته است. با توجه به شکل و مکان متفاوت ندول های ریه، از دو روال جداگانه برای تشخیص آن ها استفاده شده است. در مرحله قطعه بندی ندول های ریه، یک روش جدید به کار گرفته شده است تا علاوه سریع بودن، بتواند انواع ندول ها را قطعه بندی نموده و امکان تخمین اندازه آن ها را نیز داشته باشد. در مرحله کاهش خطای مثبت، به منظور افزایش ویژه بودن سیستم ارایه شده از روش های طبقه بندی ماشین بردار پشتیبان و شبکه عصبی استفاده شده و نتایج آن با هم مقایسه شده است. سیستم ارایه شده در مقایسه با سیستم های موجود، دارای حساسیت و ویژه بودن بالایی است و مزیت تخمین اندازه انواع ندول ها را نیز دارد.