肺癌是世界上发病率、致死率最高的癌症之一。肺结节是肺癌的早期表现,大多数肺癌患者因早期症状不明显错过最佳治疗时间,因此早期筛查对患者健康具有重要意义。肺结节分割和分类是早期筛查的关键步骤,能够为医生提供有效诊断依据。然而,肺结节具有尺度不一、纹理多样的特点,导致肺结节精准分割和分类面临巨大挑战。针对这一挑战,本文提出基于卷积神经网络的肺结节分割和分类算法,达到精准分割、分类目的。此外,针对医生在繁重的筛查工作中容易出现诊断不准确的问题,本文设计融合医学图像分析算法的计算机辅助诊断系统,为医生诊断提供参考意见。本文具体工作如下:（1）针对现有肺结节分割方法忽略肺结节的异质性和边界不规则性的问题,本文提出一种具有分类辅助校正的肺结节多信息流分割网络。该网络包含两个核心子网络:多信息流子网络和分类辅助校正子网络。多信息流子网络提取图像的语义流信息、空间流信息和边界流信息,为网络提供图像特征信息;分类辅助校正子网络模拟肺结节的恶性程度和视觉特征,利用多任务训练策略增强分割结果。在LIDC-IDRI数据集上的实验评估结果中,该方法达到86.53%分割相似系数。（2）针对现有肺结节可解释性分类方法没有充分利用属性知识的问题,本文提出一种用于肺结节分类的属性自适应图卷积V形网络。该网络包含三个核心部分:表征学习子网络、属性推理子网络和属性自适应特征增强模块。表征学习子网络利用深层卷积神经网络,为分类提供深度图像特征;属性推理子网络利用图卷积神经网络,对属性的语义信息进行建模和推理;属性自适应特征增强模块将图像特征自适应地映射到属性特征,提高属性推理子网络的语义推理能力。在LIDC-IDRI数据集的实验评估中,该方法相较于其他可解释性算法准确率提高了1.62%,准确达到了88.01%。（3）在现有肺结节检测算法之上,融合本文提出的肺结节分割、分类算法,设计肺结节辅助诊断系统。该系统基于跨平台开发工具包,融合本文提出的方法,方便医生使用的同时提高诊断效率。