肺癌是发病率与死亡率增长最快的恶性肿瘤之一,对全人类的身体健康造成了重大影响。因此,肺部病变的早期诊断对肺癌的诊断与治疗有重要的意义。肺癌的早期形态是肺结节,临床使用计算机断层扫描技术检查肺结节病变。肺结节的影像特征具有多样性,人眼筛查不仅工作量大,而且观察者对特征的判断具有主观性。对肺结节的表现特征进行准确的定量分析,对医生判断结节是否会成长为恶性肿瘤具有很大作用。本文首先研究并总结了肺部公开数据集的数据特点和标记方法,以及用于肺部检测和分类诊断的经典算法。然后根据现有的肺部影像处理方法对本文使用的数据进行处理,并根据数据的特征设计多属性分类模型与对比实验。本文的具体研究内容如下:(1)多属性肺部病灶数据集的构建方法研究。第一,根据多中心数据的差异性制定与设备无关的数据表征方式,统一数据的坐标系,解决不同设备参数不同导致的差异性问题;第二,对肺部轮廓的提取方法进行研究,解决肺内与肺外数据值域重叠导致的噪声问题;第三,设计肺结节的定位与提取方法,使用深度学习模型对肺结节进行定位,并根据三种输入模式对肺结节进行提取,作为病灶的多属性分类模型的输入数据;第四,分析数据集中九个属性的详细分类,使用卡方检验法讨论属性之间的相关关系。(2)肺部病灶多属性分类模型的构建方法研究。第一,根据肺部病灶数据的特性,设计残差与密集连接双流融合的特征提取基础模块,并和融合多尺度特征的编码器-解码器结构相结合,构成端到端的多属性分类模型;第二,根据肺部数据的三维特性,设计三种输入模式与相对应的多属性分类模型结构,探索不同输入模式对多属性分类问题的影响;第三,使用注意力机制分别在空间域与通道域对特征过滤,优化多属性分类模型的结构;第四,使用生成式对抗网络对正样本较少的属性做数据增强,解决由数据不平衡导致的属性分类准确率低的问题。(3)针对本文提出的肺部病灶多属性分类模型,在本文数据集上进行充分实验。第一,通过在同等条件下横向对比2D、2.5D和3D等三种模态的输入模式对最终模型的各项指标的影响,证明2.5D输入模式对于多属性分类任务最为适用;第二,通过对比在是否添加三元组损失函数的条件下所得出的最终模型的各项指标,证明属性相关性对于模型训练的辅助作用;第三,通过对比有无注意力模块的情况下模型的各项指标,证明本文设计的注意力机制的有效性;第四,通过对比在有无生成数据的情况下分别得到的模型的各项指标,证明本文设计的数据增强机制的有效性。多属性分类模型的平均准确率达到了 90.38%,平均灵敏度达到了 86.45%,平均特异度达到了 91.72%。