肺结节是一种病因不明的多系统、多器官疾病,很有可能是早期肺癌的表现。2012年,全球肺癌发病率达到了恶性肿瘤发病率的13%,致死率达到了19%,居于恶性肿瘤之首。由于肺癌的高发病率和致死率,肺结节的诊断显得尤为重要。传统的肺结节诊断方法为通过医师的肉眼阅读肺部CT切片识别,而每个病人往往有数百张CT切片,有些结节也可能很小,因此计算机辅助诊断可用来帮助医师更快地识别肺结节,节省医师宝贵的时间和精力。本文提出了一种基于深度学习的肺结节识别方法,通过深度学习与医疗图像的结合,使用深度学习算法对经过预处理的数据进行分析,自动地提取与识别一些人眼无法捕捉的特征,在一个抽象的维度完成分类工作。在肺结节检测阶段,由于2D CT切片图像的特征缺乏性,本文还提出了一种基于RGB通道叠加的肺结节图像预处理方法来进行特征增强。预处理步骤为先从原始肺部CT图像中提取肺实质以尽量减少肺部轮廓对实验结果的影响,然后再提取出感兴趣的区域。在肺结节检测实验中,通过感兴趣区域叠加的操作得到能体现人体组织纵向走向趋势的伪彩图以增强肺结节,尤其是微小肺结节和健康组织之间的差异性。经过预处理后,使用深度学习算法对样本数据训练得到预测模型,并进行结果测试。实验使用LIDC-IDRI数据库中的数据和新华医院提供的毛玻璃结节样本数据进行肺结节检测实验和毛玻璃结节分类实验的训练和测试。肺结节检测实验得到了95.0%的敏感性和每个病例5.62的平均假阳性结果。毛玻璃结节分类实验最终得到了F-score为0.87805的结果。