肺癌是当今世界癌症死亡的主要原因之一,基于低剂量CT的肺结节检测对肺癌的早期治疗和提高患者生存率具有重要意义。本文以基于三维深度卷积神经网络的肺结节智能检测关键技术为研究对象,开发了一套精准高效的肺结节计算机辅助检测系统。主要研究内容与成果如下:首先,提出基于U-Net结构的3D RPN候选肺结节检测网络,对可疑结节生成任务进行端到端的训练。该网络使用改进的U-Net作为骨架结构,利用卷积特征映射同时预测结节坐标、结节直径和置信度得分。该网络使用的三维挤压激励残差网络模块使深度网络更容易优化,能够动态调整残差学习的通道特征,有利于提高结节特征的识别率。其次,提出了基于三维挤压激励残差网络假阳性肺结节分类网络,减少候选结节检测阶段产生的假阳性。三维挤压激励残差网络模块有效提高了网络的分类能力,该模块集成了残差网络与挤压激励网络的优点,用于特征重用的剩余学习解决了深度网络难以优化的问题,而用于自适应特征重新校准的压缩和激励操作增强了原有基础模块的学习能力。最后,基于CT图像与三维深度卷积神经网络框架实现肺结节检测的新方法,研发出肺结节智能检测系统。该系统主要包括患者的数据信息管理,图像预处理,候选肺结节检测和假阳性消除等功能模块,能够根据病例图像实现肺结节的快速检测定位,辅助医生提高检测效率。通过LUNA16数据集的十倍交叉实验和病例测试实验,验证了所提系统及方案在肺结节检测中的有效性。