杨怀金，夏克文，刘方原，张江楠

(河北工业大学电子信息工程学院,天津 300401)

癌症由于其高死亡率、高治愈难度、高治疗费用使现代社会成为一个“谈癌色变”的社会[1]。依据美国癌症协会报道，所有癌症中，肺癌是死亡率和发病率最高的癌症之一[2]。若能及早发现，并且及时治疗，患者的五年生存率可以达到90%，早发现、早治疗是提高存活率的关键[3]。

肺癌的早期表现是肺结节，医生通过观察肺部CT中肺结节的特征来判别患者是否患有肺癌。孤立性肺结节(solitary pulmonary nodule，SPN)[4]是肺结节中的一种，约有34%为恶性肿瘤细胞。现主要研究SPN的检测技术，肺结节的检测关键环节包括候选结节的检测、特征提取和筛选分类。

为提高放射科医生的工作效率，研究者提出将计算机技术应用到医学诊断中，作为第二意见，辅助医生做出判断[5]。随着数据量的增长，传统的算法已经无法适应，卷积神经网络(convolutional neural networks，CNN)[6]可以自主地从数据中提取特征，不需要人为调整参数，在图像识别中应用广泛。U-net模型是由Olaf Ronneberger等[7]针对医学图像分割提出来的一种“端到端，像素到像素”语义分割网络，总结了全卷积网络的特征和优点，具有多尺度的特征融合、适合医学图像分割等特点。

局部线性嵌入算法(locally linear embedding,LLE)作为一种经典的流形学习算法，易于理解、方便实现、全局最优无须迭代。为了克服原始的权值只考虑距离因素而忽视结构因素的缺点，文献[8]采用测地线(Geodesic)距离来描述结构，引出一种新的权值构造方法，提出改进重构权值的局部线性嵌入算法(IRWLLE)，在人工和人脸数据的实验中证明算法具有良好的降维效果和识别率。……