基于深度学习的肺结节CT图像分割与分类研究综述

来源：计算机工程与应用杂志2025年第15期北京时间：

作者：古力米热·阿吾旦, 叶俊翔, 玛依拉·阿不都克力木, 王梦飞, 哈里旦木·阿布都克里木, 阿布都克力木·阿布力孜

单位：1.新疆财经大学 信息管理学院，乌鲁木齐 830012；2.新疆医科大学 第六附属医院 呼吸与危重症医学科，乌鲁木齐 830092

摘要：肺癌是最致命的癌症类型之一，而肺结节作为肺癌的早期症状，严重威胁人们的生命健康。基于深度学习的肺结节CT图像的分割与分类技术，可以帮助医生快速、准确地诊断出早期结节，对于肺癌的治疗具有重要的临床价值。为了深入研究肺结节CT图像分割与分类技术，介绍了常用数据集及评价指标；着重从两个方面对深度学习肺结节CT图像分割与分类模型进行综述：基于U-Net的单网络结构模型与多网络结构模型分割方法、基于卷积神经网络的特征融合和纹理特征分类方法；结合具体实验总结了近五年国内外研究的创新点，以及各类模型的优缺点。最后，展望了该领域的未来发展方向，以期为该领域的后续研究提供理论参考和借鉴。

关键词：肺结节,深度学习,计算机辅助诊断,医学图像,卷积神经网络,U-Net模型