1 项目背景

       肺癌是发病率和死亡率增长最快、对人类健康和生命威胁最大的恶性肿瘤之一，近50年来许多国家都报道肺癌的发病率和死亡率均明显增高。据国家癌症中心统计，我国肺癌发病人数和死亡人数已连续10年位居恶性肿瘤之首，每年新发肺癌约78.7万人，因肺癌死亡约63.1万人。早期病人可以通过微创手术治疗，创伤较小，可以较快恢复。然而，早期肺癌多无明显症状，肺癌临床确诊时往往已达中晚期，治疗费用高但效果不佳。因此，对肺癌的早期诊断和检测显得尤为重要
       生物医学影像已经成为疾病诊断和治疗中不可或缺的一部分。深度学习，特别是卷积神经网络，能够从医学影像大数据中自动学习提取隐含的疾病诊断特征，近年来已经迅速成为医学图像分析的热点。目前我国每年医学影像数量增速达到了30%，而放射科医生的年增长率仅为4%左右，需求缺口不断加大，医生数量的不足导致工作量繁重，超负荷工作也会导致误诊率和漏诊率提高。将医学影像智能诊断应用于肺癌早期诊断中，不仅可以缓解医疗资源、提升整体诊疗水平，而且可以及时挽救无数患者的生命。人工阅片与人工智能阅片的对比如下图所示:

2 项目目标与流程

        本项目基于真实脱敏的病人肺部CT影像数据集，应用深度学习技术，构建智能肺结节检测模型和肺癌诊断模型，从而为早期肺癌提供自动诊断支持。
        本项目使用MHD和DICOM两种格式的CT影像数据集，其中MHD格式数据集主要用于训练肺结节检测模型，DICOM格式数据集主要用于肺癌诊断模型的训练和效果评估。首先࿰