从世界卫生组织2021年发布的数据中可以看出,肺癌的死亡率是所有其他常见类型的癌症中最高的,并且仍然是最具破坏性的疾病之一。其五年平均生存率为17.7%,若能在早期被诊断和定位,它的存活率会增加到54.4%,但只有15%的病例在早期被诊断出来。肺结节的早期诊断可以潜在地挽救许多生命。计算机断层扫描（CT）可以用于早期检测肺结节。肺癌筛查试验（LCST）结果表明,CT筛查出的肺癌5年死亡率降低了约20%。肺结节检测系统能够辅助医生解释诊断数据。因此,改进肺结节辅助检测系统使其准确检出肺结节,有效降低漏检率和假阳性率,对肺癌患者来说非常重要。这项研究深入探讨了肺实质分割和肺结节检测的技术现状,以深度卷积网络和肺结节CT图像为主要研究对象,开展了肺实质分割和肺结节检测两方面的研究。（1）针对目前肺实质分割存在的主要问题,本文提出一种基于U型编码结构改进的双注意力机制分割算法,该算法通过在编码部分适当添加残差结构,增加网络层数以及使用双注意力机制进行信息多融合等多种改进手段,从而实现网络模型泛化能力和鲁棒性的提升。改进后的网络优化了肺实质的分割效果,可以精确找到肺部区域的具体位置包括精确的目标边界。在LUNA16和MSD数据集上进行实验,最终结果表明,该方法的Dice相似系数为95.83%,性能优于其它方法,分割效果较好。在保证鲁棒性的基础上,当卷积网络特征学习的足够好,算法更有望成为减轻医生手动标注的工具。（2）对于肺结节的检测,灵敏度低,小目标的识别比较困难等问题,本文提出了一种基于YOLOv3改进的多尺度信息融合网络。多尺度信息融合网络以当前识别精度高的YOLOv3骨干网络为基础,在其中巧妙地加入了残差结构,融合了通道和空间注意力模块,还添加了多尺度卷积进行信息融合,改进了激活函数以及损失函数,使用了数据增强等手段,最终特殊型肺结节也能够被模型检测出。在LUNA16数据集上的消融实验结果证明,该多尺度信息融合网络中的模块能协同工作,更好地检测出阳性肺结节,与经典模型的对比实验证明,该算法灵敏度达到93.4%,而平均CPM评分达到了0.909。多尺度信息融合网络在肺结节检测中能实现更优的性能,降低医生的工作量,提升诊断效率。