摘 要

肺癌发病率和死亡率增速居恶性肿瘤首位，早期病症极其隐蔽，患者往往错过最佳治疗时期。肺结节的早期检测和分类是诊断早期肺癌的关键。计算机断层扫描可以完整呈现病灶位置、纹理、形态等特征。然而每次扫描生成数百张灰度影像，人工阅片不仅浪费大量时间而且容易产生视觉疲劳，导致肺结节误检和漏检的发生。同时肺结节分类依赖自身内在的异质性，放射科医生仅凭视觉参数难以界定且诊断存在一定的主观性。所以研究智能化地肺结节计算机辅助诊断系统对提升肺癌早期筛查率具有重要意义。

本文研究了基于注意力多尺度卷积神经网络的肺结节自动检测算法和基于三维交叉融合卷积神经网络的良恶性肺结节分类算法，实现了CT影像中肺结节的准确检测和良恶性肺结节的精准分类。主要研究内容与贡献如下：

（1）针对CT影像中肺结节背景复杂，形状各异，微小肺结节形态与血管相似导致肺结节检测不准等问题。本文提出基于注意力多尺度卷积神经网络的肺结节自动检测算法。