肺癌成为中国第一位癌症死因,并且也是全球死亡率最高的癌症。经过临床诊断显示,肺癌患者的五年生存率很大程度上取决于被发现时是早期还是晚期,罹患肺癌的病人越早被发现并被治疗其五年存活率就越高。然而,肺癌早期往往没有明显临床表现,肺癌患者大多数被诊断出癌症时就已经是晚期,丧失最佳治疗机会。因此,肺癌早期诊断至关重要。影像学医师通过肉眼观察来诊断肺癌的最基本依据就是胸腔CT影像。随着CT技术的发展,CT图像的分辨率越来越高,被发现的肺结节越来越小,虽然给医师提供了更详细的组织信息,但也使他们得工作量大大加重,医师长时间阅片会视觉疲劳、无法集中注意力,造成误判和漏判。近年来,计算机辅助诊断系统（Computer Aided Diagnosis system,CADs）飞速发展,一定程度上缓解了医师的压力,其中深度学习的兴起为肺结节检测研究带来一种新的思路,不过目前现有的肺结节检测方法存在准确率不足,假阳性率过高等问题。针对以上问题,本文提出了一种基于改进Faster R-CNN的肺结节检测算法和基于模型集成的多维度假阳性去除算法。具体的工作如下:（1）针对目前已有的肺结节检测算法准确率不高的问题,对Faster R-CNN进行改进,首先将原模型中的VGG16网络替换为残差网络,并添加Inception模块来优化特征提取网络。接着引入一种多特征融合的特征金字塔结构FPN（Feature Pyramid Network,FPN）对底层特征图的位置信息和高层特征图的语义信息进行融合,获得同时具有位置信息和语义信息更加丰富的特征图,再对RPN网络中的锚框尺寸进行修改,使生成结节候选框时更加高效。在公共数据集LIDC-IDRI上,该方法达到了89%的准确率。（2）针对肺部CT图像结节检测任务中假阳性率过高的问题,本文提出一种基于模型集成的多维度假阳性去除算法,具体是设计了一个二维二分类模型和一个三维二分类模型,并将这三个模型进行模型集成,可以充分利用结节空间上下文信息。非结节三维图像中清楚地显示为非球形的线性结构,这使我们能够很好地将结节与假阳性区分开。该模型在公共数据集LUNA16上的准去率为93.81%。实验结果显示,基于模型集成的多维度假阳性去除算法可以有效的降低假阳性,提高模型准确率。