对计算机断层扫描图像中的肺结节进行深度机器学习检测：综述-研究论文。

简介：
肺结节的筛查在早期肺癌的诊断中起着至关重要的作用。放射科医生通常利用临床胸部计算机断层扫描 (CT) 扫描，通过仔细观察其中的肺结节来辅助诊断。然而，由于肺组织内部结构的复杂性和其复杂的解剖结构，这项诊断任务极具挑战性，且日益困难。为了协助放射科医生更准确地解读 CT 扫描图像，已经开发并提出了众多计算机辅助检测 (CAD) 算法。随着深度卷积神经网络 (D-CNN) 在图像分类领域取得了显著成就，D-CNN 技术已广泛应用于肺结节检测系统。实验结果表明，D-CNN 在肺结节检测方面展现出优于传统基于机器学习方法的性能和更卓越的结果。本文将深入探讨针对肺结节检测所提出的各种 D-CNN 模型，并对这些检测算法的成果以及它们各自的表现进行详细比较分析。此外，我们还将讨论能够进一步提升肺结节检测效果的 D-CNN 技术和方法。