王 骏，邵立伟,黄德皇，黄钰斌，于泽源，王艳芳，陈庆武，马 力(通讯作者)

（1中山火炬开发区医院放射医学科 广东 中山 528400）

（2中山市北京理工大学研究院 广东 中山 528400）

（3中国科技大学 安徽 合肥 230000）

（4中山仰视科技有限公司 广东 中山 528400）

引言

肺癌是致死率最高的疾病之一，在美国这种发达国家5年生存率只有16%，在发展中国家更低[1]。随着现代医学的进展，研究人员已经证明如果肺癌能够在早期进行治疗，5年平均生存率能达到54%[2]。因此在CAD系统中早期发现肺结节成为肺癌诊断和治疗的关键。

CT是肺癌检测的常用工具，通过人体组织对于X光的吸收程度不同来提供内部组织的可视化。肺结节通常具有与正常组织相同的吸收水平，但具有独特的形状：与支气管和血管这样具有连续的管道系统，在根部粗壮，分支后稀薄的形状相比，结节通常为球形和孤立存在。有些肺结节很小，很难找到。对一个病人进行彻底的检查，一个有经验的医生也需要大约10分钟时间。而且肺结节本身有很多类型，不同类型成长为癌症的可能性是不同的。对于肺结节良恶性的判断，医生主要是已经肺结节的形态特征，高度依赖于医生的经验[3]。

医生期待CAD系统肺结节检测方面具有高敏感度和低假阳性率，从而具有较高的参考价值。最近在深度学习方面的进展，给肺癌早期诊断带来了新的机会。

在数据集方面，大规模数据集比如L I D C-I D R I[4]等的出现事实上加速了肺结节检测方面的研发。肺结节的检测通常包括两个部分：肺结节检测[5-7]和肺结节分类[7-9]。……