目前,随着肺癌患病人数以及死亡人数的急剧增加,人们越来越关注肺部的检查结果。而肺结节则是肺癌早期的一大明显症状,虽然可以通过肺部CT图像进行筛查,但是目前算法的选取,成为了对肺结节在筛查效率上主要限制性因素。因此,本文选择YOLOX算法对肺结节检测展开研究,通过实验中所得到的数据进行分析和研究,进而对YOLOX算法进行改进与优化,最终能够有效的解决肺结节在检测上所存在的问题,从而帮助医生减轻工作量,降低人们的患病率以及死亡率。本文主要研究内容如下:①先是分析目前国内外在肺结节检测上的研究现状,然后分析和研究肺结节的特征,并对现有的目标检测算法进行对比和研究。最后选择了 YOLOX算法,并且对YOLOX算法进行了深入的研究以及详细的描述。②通过下载和分析LIDC-IDRI数据库中相关的文件,经过初步筛选得到只含有肺结节的1186张图像数据集。由于肺实质以外其它组织会对训练造成各种影响,因此本文最终选择基于OTSU最佳全局阈值法对肺实质进行提取。紧接着对提取的肺实质图像,进行了肺结节的标注以及数据的扩增,从而得到完整的实验数据集。最后基于YOLOX算法肺结节进行检测实验,YOLOX算法对肺结节检测AP（mAP）值达到了 88.22%。其在GPU为3090上检测速度可达到58.3FPS,但是对于较小肺结节则会出现漏检以及检测精度低等问题。③针对原YOLOX算法对较小肺结节检测中出现漏检以及检测精度低等问题,对YOLOX算法进行了改进与优化。改进的方面有:首先在CSPDarknet网络中增加浅层输出,再输入到PAFPN中进行多尺寸特征融合,增加对较小肺结节检测的尺度性。然后在CSPDarknet输出端与PAFPN输入端之间都增加CA通道注意力机制模块,协助PAFPN对含有肺结节通道信息进行“注意”。对损失函数进行优化:由于在训练和检测中发现Loss不易收敛以及收敛值不是很低等现象;因此,将 IOU loss 和 BCEWithLogits loss 分别替换为 α-EIOU loss 和 VariFocal loss。最终,改进与优化后的YOLOX算法对肺结节检测AP（mAP）值达到91.43%,检测速度达到57.2FPS。虽然相较于原YOLOX算法检测速度降低了 1.1FPS,但是其AP（mAP）值提高了 3.21%,而对于较小肺结节漏检以及检测精度低等现象得到了明显的改善。