潘子妍，邢素霞，逄键梁，申楠，王瑜，刘子骄，鞠子涵

1.北京工商大学人工智能学院，北京 100048；2.空军特色医学中心，北京 100048

前言

随着我国工业发展迅速、吸烟人群年轻化，肺部疾病发病率每年呈上升趋势［1］，特别是今年受全球新冠肺炎疫情的影响，肺部疾病成为严重威胁人类健康的疾病之一，具有起病急、进展快等特点［2］。英国癌症研究机构的研究数据显示，肺癌患者的5年生存率在I 期为87%，而IV 期仅为19%［3］，因此早发现早治疗，可有效提高生存率，避免病情恶化，降低病死率。

计算机断层扫描技术（Computed Tomography,CT）被认为是检测肺部病变最精确的成像模态［4］。肺癌的早期表现为肺结节，但由于肺腔内部形态复杂，肺结节的大小和位置均各不相同，仅靠医生的人工阅片难以避免漏诊的情况。因此，研究人员提出计算机辅助检测系统（Computer Aided Diagnosis,CAD）以辅助医生检测肺结节，减轻医生负担，提高准确率，降低假阳性率［5］。

国内外专家学者也提出了很多肺结节检测的算法，Li 等［6］采用改进的随机游走算法自动分割肺结节，结合灰度共生矩阵、旋转不变的均匀局部二值模式和Gabor滤波方法生成特征向量，利用交互信息来降维，采用改进的随机森林分类模型对结节进行分类。刘一鸣等［7］采用图像中心坐标随机平移和旋转两种方法对正样本进行扩充，训练卷积神经网络2D-CNN 进行肺结节检测。Chi等［8］采用扩展层代替卷积层，增加了感受域，提高网络学习图像全局信息的能力，对U-net 网络改进后构成DCNN（Deep Convolutional Neural Network）模型。虽然目前已有许多肺结节检测的方法，但仍然没有达到临床应用的要求。……