肺是人体进行呼吸的重要一环，健康的肺功能是维系生命的本源，胸部进行X光照射是最常见和最便利的医学影像检查之一。影像学医师在根据胸片影像来诊断肺部疾病的过程中，依据自身的读片诊断经验对胸片影像中对病理影像进行定性分析，在诊断结果上存在很大的主观性，可能出现不同的医生会得到不同的诊断结果。同时，对图片中的图像进行分类与识别是深度学习算法中的一大重点与难点。近年来，研究人员通过深度学习算法对人脸、场景等图像进行了分类识别，并取得了较多的研究成果。同时对医学图像中的微小细节识别与分类也成为了深度学习算法中一个重要的范畴。
　　针对以上情况，本文使用全卷积网络与深度残差网络等深度学习算法来实现肺结节的自动检测。在保证精度的前提下，尝试改进或寻求新的深度学习算法来挖掘病理图像的特征，最终达到较高的成功率，并提高精确度。
　　1、针对胸片分类问题，首先将胸片数据集分为两类：含有肺结节的胸片和不含有肺结节的胸片。本文将直方图均衡化与直方图规定化相结合对胸片图像进行预处理，采用数据扩增的方法扩大数据集，同时在传统的卷积神经网络中加入了批量归一化层，并将网络层增加到十五层。使用改进的卷积神经网络训练网络结构能够充分地提取出图像的特征。实验效果表明通过改进的网络模型对胸片肺结节的分类识别效果较优，分类准确率为 84.2%，实验结果与传统算法和传统神经网络的实验结果对比，可知准确率有了一定的提高。其次将含有肺结节的胸片分为5类：检测非常容易、检测相对容易、检测相对困难、检测困难和检测难以发现。利用改进的卷积神经网络算法实验与测试验证，准确率分别为87.24%、85.08%、84.44%、77.04%、73.11%。
　　2、针对胸片中肺结节的定位问题，由于胸片图像较模糊，肋骨的伪影使得胸片中肺结节的位置不容易辨认，本文使用两种算法对肺结节的位置进行确定。算法一使用传统的算法进行定位。使用图像锐化算法对胸片影像预处理，增强胸片中肺结节的灰度值，使用斑点检测算法对肺结节标记识别。算法二使用深度残差网络算法进行定位。首先用形态学图像处理算法将胸片数据集进行预处理，减少伪影对胸片肺结节位置的干扰；其次使用深度残差网络对胸片中的肺结节进行定位。经过实验验证，使用传统算法定位准确率为 74.3%，使用残差网络定位的准确率为 88.14%，其中在检测非常容易程度的胸片中，肺结节位置的准确率达到91.67%。