肺癌是全球发病率和死亡率最高的癌症之一,在低剂量的CT图像检测肺结节对肺癌的早期治疗十分重要。近年来,全球各地已经开始逐步普及用CT图像来辅助肺癌的早期筛查,然而这导致了大量的三维CT图像需要分析,对于影像科医生来说是一个极大的负担。因此,本论文针对此问题,提出了一套基于三维深度残差卷积神经网络的高精度的肺结节自动检测算法。本论文设计的肺结节自动检测算法分为两步,首先使用肺结节可疑位置推荐算法来快速地筛查整个CT图像,在保证较高的肺结节召回率的情况下,推荐较少的可疑肺结节的位置,减少检测算法的搜索空间。然后使用假阳性肺结节抑制算法来进一步筛除可疑肺结节中的假阳性肺结节,提高肺结节检测算法的检测精度。对于肺结节可疑位置推荐算法,本论文设计一个三维深度残差全卷积神经网络来分割肺结节,并提出了自适应加权交叉信息熵的来优化该分割网络,一定程度上解决了目标物体与背景不平衡的问题。基于肺结节的概率分割图,本文进一步提出了相应的自适应阈值的可疑肺结节层次定位方法来推荐可疑肺结节的位置。该算法在LUNA16数据集上取得了 98.7%的肺结节召回率,并且平均每个CT上只有154.6个假阳性推荐位置,与前人的工作相比有更好的推荐效果。对于假阳性肺结节抑制算法,本论文设计一个三维深度残差卷积神经网络来进行抑制假阳性肺结节。在网络结构中针对性地设计了空间池化裁切层,能高效地从CT图像中多尺度地抽取图像特征。并采用了动态困难样本选择的优化算法,解决了假阳性肺结节抑制中的样本极不平衡问题。本论文设计的整个肺结节检测算法比前人的研究工作有更好的检测效果,在LUNA16数据集上,即使平均每个CT图像中只容忍出现0.25个假阳性肺结节时,本论文提出的算法也能取得85.4%的肺结节召回率。