深度学习在肺结节辅助诊断中的应用

冯妍妍，魏德健，倪 伟

1.山东中医药大学 智能与信息工程学院，济南250355

2.肥城市人民医院 信息管理科，山东 肥城271600

2020 年全球新增癌症病例1 930 万例，新增癌症致死病例1 000 万例。其中，肺癌仍然是全球相关癌症死亡的主要原因[1]。在我国，2020年肺癌位居癌症发病率第二，死亡率首位[2]。研究表明，诊断滞后是导致高死亡率的主要原因。早期诊断肺癌的首要手段是采用多种筛查方法鉴别肺结节，并对其进行良恶性分类。放射科医生对肺结节分类是一个非常繁琐耗时的过程，极易出现漏诊或误诊。因此，医生需要计算机辅助来提高诊断效率，降低诊断成本。

近年来，随着计算机断层扫描（CT）成像技术[3]的不断发展，深度学习在CT 肺结节诊断中的表现引起了学者们的极大关注[4]。传统的模式识别方法不易提取特征，需要放射科医生做大量的研究工作，而深度学习可以通过修改超参数对提取的纹理、形态等特征进行选择与组合，使用最优组合来提高肺结节的分类精度与诊断速度。因此，深度学习在计算机辅助诊断相关研究领域中的重要性日益增加。对于肺结节诊断，文献[5-11]是近期发表的几篇优秀的综述，但是都未对肺结节分类的深度学习方法进行系统地概述。为了给肺结节辅助诊断相关研究领域的未来工作提供参考，本文主要从数据集介绍、肺结节良恶性分类和恶性等级分类的深度学习方法三个方面进行介绍，总结了2019—2021 年在肺结节分类中提出的深度学习算法及其应用效果，指出目前存在的问题，并对未来发展趋势进行展望。……