于静汶　朱东弼

摘 要 医疗影像AI是未来智能医疗发展的重要部分。因而基于深度神经网络的肺部结节自动检测方案研究是未来医疗影像AI的研究热点之一。本文分析现有的肺部结节自动检测方案及存在的问题，并提出一种基于深度神经网络的肺部结节自动检测的新的研究方案，即将传统方法与深度学习方法相结合，前期预处理部分采用传统方法进行，后期网络模型中采用改进的卷积神经网络方法（将改进的VGGNet网络模型和改进的ResNet网络模型级联）。运用新的研究方案来提高检测准确率，对促进医疗的发展具有重要的意义。

关键词 肺结节;自动检测;深度学习;卷积神经网络

中图分类号： TN929.5 文献标识码： A

DOI：10.19694/j.cnki.issn2095-2457.2020.02.051

0 引言

近年来，随着社会经济的不断发展，肺癌的发病率、致死率已位列常见恶性肿瘤的第1位，且随着我国人口老龄化，罹患肺癌的总人数呈现持续升高态势[1]。循证医学数据显示，早期肺癌5年的生存率显著高于中晚期肺癌，故早发现、早诊断及早治疗是改善预后的重要途径。肺癌的早期表现形式是肺结节，因此肺结节的检测对于早期肺癌的确诊有着重大的帮助。传统肺结节的检测方法是医生通过肉眼观察肺部的数百张CT图像切片来找出每一张CT图像切片中是否含有肺结节，然而较微小的肺结节在CT影像上看与血管较为相似，容易遗漏，因此医疗影像辅助诊断就显得尤为重要。故帮助医生准确快速地检测出肺结节是在未来智能医疗领域医疗影像AI方向中需要解决的问题之一[2]。……