计算机辅助诊断(Computer Aided Diagnosis，CAD)研究是一个快速增长的活跃领域，利用CAD技术对人体部位的CT影像进行处理，可以为医生提供实用的参考信息，辅助医生对疾病做出准确的诊断，有效减少漏诊、误诊的情况发生。本文开展基于CT影像肺结节良恶性多种病理类型的云端人工智能辅助诊断系统开发研究，旨在设计一套集CT显示、肺结节提取、肺结节分类诊断等功能的计算机辅助诊断系统，辅助影像医生进行肺结节良恶性多种病理类型诊断。
　　本文搭建了一种多分辨率3D双路径模型对肺部CT中的肺结节进行分类诊断。在肺结节提取处理中，为了能完整提取肺结节，且在提取小肺结节时不会提取过量的背景信息，使用了一种多分辨率的数据处理方法。基于DPN的思想搭建了深度学习模型。采用接受者操作特性(Receiver Operating Characteristic，ROC)曲线下的面积(Area Under Curve，AUC)和分类准确度(Accuracy，ACC)共同作为表征模型效果的客观评价指标进行测试分析，经过测试集测试，得到设计的模型的ACC和AUC分别达到了0.812和0.8757。
　　以构建的多分辨率3D双路径网络模型为基础，基于PyQt5设计了一套肺结节云端人工智能辅助诊断软件系统。考虑到普通个人计算机设备的GPU资源有限，在计算资源受限的情况下实现深度学习运算是非常困难的问题，所以将软件系统分为用户端和云服务器端两个方面进行设计。用户端实现用户登录、肺部CT影像显示、亮度和对比度调节、肺结节坐标选定等功能。搭建有GPU的云服务器端完成肺结节的提取、诊断分类、文件存储等功能，并搭建MySQL服务器用作存储信息和登录验证。在安全外壳协议(Secure Shell，SSH)协议的基础上，提出了一种简化的web服务器的文件和指令交互的软件结构，实现用户端界面与云服务器功能交互的设计。
　　本文设计的肺结节云端人工智能辅助诊断系统不仅封装了CT影像肺结节处理诊断的完整的功能，而且通过云服务器的设计扩大了系统的适用范围，对CT影像肺结节良恶性多种病理类型的计算机辅助诊断有一定的应用价值。