伴随着科技的进步,医疗环境的改善,肺癌的死亡率和发病率都有所下降,但数据表明肺癌的死亡人数依然占据癌症死亡和发病人数排行榜的首位或次位。在肺癌的检查和诊断中,肺结节是肺癌的表现形式,当肺结节呈恶性时,就表明病人患上了肺癌。肺癌的形成是一个漫长的过程,是多种因素导致的过程,有早期、中期和晚期之分,通常认为肺癌早期的生存率更高,因此肺结节的“早发现,早治疗”就显得尤为重要。本文围绕肺结节的检测与分类展开研究,主要研究内容如下:首先,鉴于肺结节公开数据库LIDC-IDRI中的肺结节标注仅是根据医生经验来进行的简单良恶性等级区分,且存在由于多人标注而产生标签信息不确定问题,本文建设了基于病理金标准的本地肺结节标记及癌变等级数据库。数据来自于福建医科大学附属协和医院,对应的标签来自于医院提供的病理报告,数据的处理方法包括数据的筛查、肺结节数据标注以及癌变等级、特征标注等几个部分,并形成结构化数据。其次,针对现有检测方法中忽略小结节检测、网络复杂导致检测速度慢等问题,提出一种基于改进的特征金字塔网络（FPN）的肺结节检测方法。该方法可在端到端的框架下实现多尺度肺结节检测,即使用FPN提取多尺度信息,并运用端到端的方式简化网络并加快检测速度。在自建金标准数据集上进行测试,灵敏性达到86.7%,表明该模型对真实临床环境具有较好的应用价值。最后,针对现有方法对肺结节进行良恶性分类而缺乏医学知识引导,难以满足临床应用的情形,本文提出一种结合医学知识和基于注意力机制的深度学习的肺结节分类方法。首先依据临床医学知识,用深度学习方法对肺结节进行四种类别的分类;其次,利用特征通道注意力机制,提取这四种类别与良恶性的深层联系,通过四类别特征学习通道权重,与原先的良恶性特征相乘,实现肺结节良恶性的准确分类。在自建金标准数据集上进行测试,良恶性分类方法的准确率达到94.7%,AUC值达到97.5%,表明临床医学知识能更好的辅助计算机进行良恶性的分类。综上所述,本文建设了一个新的肺结节的数据库,并提出了一种基于改进FPN的肺结节检测方法和一种结合注意力机制和医学知识的肺结节分类方法,具有良好的效果,具有一定的临床应用价值。