肺癌已成为当今人类生命健康危害最大的恶性肿瘤之一。根据世界卫生组织(WHO)的报告,肺癌已经成为世界上死亡率最高的癌症。随着计算机技术的飞速发展,计算机辅助诊断(Computer-Aided Diagnosis, CAD)已经成为医学影像、诊断放射、计算机科学中重要的研究领域。目前医学影像学中很多CAD技术不断出现,并且获得快速发展。研究表明CAD对于提高诊断准确率、减少漏诊起到积极的作用。医生能够通过CAD系统进行医学图像评估、测量和及时的诊断。然而,肺部病灶感兴趣区域分割是肺部CAD系统的重要组成部分。本文分析了图像分割的基本方法。针对肺部病灶感兴趣区域(ROI)分割,研究了三种肺部ROI分割算法：(1)基于多尺度加权CI的二维最大模糊熵肺部ROI分割算法,该算法首先计算图像的多尺度加权CI, CI特征将与灰度构成二维的特征空间,然后利用二维最大模糊熵准则选取阈值进行分割；(2)基于Hessian矩阵的均值漂移聚类肺部ROI分割算法,该算法是基于Hessian矩阵圆点滤波结果确定ROI区域,并且把Hessian矩阵滤波特征与灰度和空间位置信息结合在一起,形成特征向量集,最后利用均值平移聚类算法对ROI特征向量集进行聚类；(3)基于改进马尔可夫随机场的肺部ROI分割算法,该算法首先根据贝叶斯定理将图像分割问题转化为最大后验概率(MAP)的求取问题,进而转化为能量函数最小问题。然后在基团势函数中引入灰度差异、距离及与分割类之间的相关程度等信息。最后采用迭代条件模型(ICM)算法求解。作为肺结节检测的重要环节,本文研究的ROI分割算法可以有效分割疑似病灶区域。每种算法都通过肺部CT图像进行实验,实验结果表明三种肺部ROI分割算法能够有效分割出结节区域,同时减少非结节区域,降低了假阳性率。