چکیده: در این پایان نامه هدف شناسایی و جداسازی خودکار توده‌های کوچک سرطانی (نودول) از تصاویر CT قفسه صدری می‌باشد که در تشخیص زود هنگام سرطان ریه کاربرد دارد. چنین سیستمی شامل سه مرحله اساسی پردازش اطلاعات می‌باشد. در مرحله اول تا حد امکان از نویز تصاویر ورودی کاسته و به کمک درون یابی خطی، تصویر حجمی CT متعادل سازی می‌شود. نهایتاً بافت ریه از سایر بافت‌های تصویر جدا می‌شود. برای این منظور از هیستوگرام روشنایی برش‌های CT و اطلاعات برش‌های همجوار استفاده نموده‌ایم. سپس با در نظر گرفتن ویژگی خمش از کانتور ناحیه بدست آمده و عملیات مورفولوژی، بافت ریه با دقت بسیار خوبی جدا می‌شود. با توجه به اندازه متفاوت نودول‌ها و تشابه شدت روشنایی آن‌ها با عروق ریه شناسایی آن‌ها دشوار می‌باشد. با توجه به کروی بودن نودول‌ها در تصاویر حجمی CT در جدا سازی آن‌ها علاوه بر شدت روشنایی، از شکل هندسی بافت نیز استفاده می‌نماییم. اغلب روش‌های مبتنی بر شکل شناسی در فضای سه بعدی اجرا می‌شوند که به دلیل حجم زیاد اطلاعات تصویری، مستلزم صرف زمان بسیاری هستند. در این پایان نامه آنالیز دو بعدی داده‌ها در سه جهت مختلف عمود بر یکدیگر پیشنهاد می‌گردد که کاهش چشمگیری در زمان اجرای الگوریتم دارد. خروجی این مرحله تعدادی نقاط کاندید برای نودول در تصویر حجمی CT می‌باشد. در نهایت جهت جداسازی نودول‌ها از بافت ریه، با توجه به نقاط کاندیدی که از مرحله پیش بدست می‌آیند، از روش آنالیز فضای ویژگی‌ها استفاده می‌کنیم. در تشکیل فضای ویژگی از اطلاعاتی چون موقعیت مکانی هر پیکسل حجمی، شدت روشنایی و اطلاعات شکل هندسی بدست آمده از خروجی فیلترهای مرحله قبل، استفاده می‌شود. جداسازی بافت نودول به کمک روش غیر پارامتریکی انتقال میانگین انجام می‌شود. مهم‌ترین نکته در استفاده از این روش تنظیم مناسب پارامتر پهنای باند می‌باشد که در این پایان نامه روشی جدید جهت انتخاب بهترین پهنای باند پیشنهاد می‌گردد. قابلیت شناسایی انواع مختلف توده‌ها، نرخ خطای بسیار کم، دقت در جداسازی و سرعت اجرای بسیار بالا، نوید استفاده عملی از این سیستم در کاربردهای پزشکی را می‌دهد.