目标检测是计算机视觉领域不可或缺的一项基础及首要任务,具有很高的研究价值和意义。近年来,癌症的发病率及死亡率呈现逐年激增的趋势,病变部位主要集中于胸腹部各大器官和组织,而它们是维持人类生命健康的重要保障。因此,亟待研究一种高精度的病变区域检测方法并付诸应用,它对于辅助早期影像学筛查、降低医师误诊率及患者患癌风险具有深远意义。而医学影像本身的特殊性又给病变区域检测带来巨大挑战。CT影像凭借较高空间分辨率及高检查效率和性价比,受到医师和患者的广泛采纳和认可。本文以胸腹部CT影像为研究对象,以YOLOv3为基线方法对肝脏病变区域及胸腹部多部位病变区域检测分别展开研究。主要研究内容如下:（1）针对数据集规模较小以及病变区域偏小的问题,提出了一种基于训练样本扩充和多层次预测的CT肝脏病变区域检测方法。该方法使用基于CT窗位固定、窗宽变化的,针对医学影像领域的颜色空间数据增广方式以扩充训练样本。对于病变区域偏小的问题,调整网络的多层次预测,在具有较大分辨率的特征图上设置更多锚框;此外,选取优秀的基线方法以应对病变区域位置多变的问题。实验证明该方法能够有效缓解漏检和错检现象。（2）针对检测骨干特征提取能力不足以及新数据集病变区域位置更为复杂多变的问题,提出了一种基于注意力图和特征增强的胸腹部CT多部位病变区域检测方法。该方法使用沙漏骨干网络增强特征提取,提升目标位置判别能力;搭配使用两大嵌入模块进一步强化和微调特征表示。此外,为应对单类别检测任务中预测形式的特殊性,去除一般检测中的多类别分类得分预测,对单类别检测进行适配;在公开数据集Deep Lesion上开展的实验证明了改进的有效性及方法的优越性。（3）设计并开发了胸腹部CT影像病变区域检测系统,在充分了解医师的实际需求后,细分三大模块分别实现预处理、目标检测及后处理优化功能。将最终提出的检测模型投入实际应用,有效缓解医师的日常工作压力,助推计算机辅助诊断乃至整个智慧医疗体系的发展。