来源：分析测试百科网

　　肺癌是最致命的癌症之一。与大多数癌症的生存稳定增加相反，肺癌的进展缓慢。通常，肺癌患者的5年生存率为16％，如果在早期诊断肺癌，则达到52％。然而，如果发生转移，它降低到4％以下。因此，早期检测肺癌至关重要，以延长患者的生命。北航大学提出了一种用于肺癌检测的人工神经网络系统，将于2017年第七期刊登在“科学中国信息科学”上。

　　在临床实践中，计算机断层扫描（CT）可以捕获肺结节和环绕结构的细粒细节，包括用于诊断的黄金标准。然而，CT成像的高灵敏度也导致巨大的数据和复杂的模糊性，这使得放射科医师难以将病理结构与健康组织区分开来。近年来，计算机辅助检测（CADe）系统发展迅速，诊断辅助潜力巨大。检测肺结节是一个明显的应用。然而，由于结节外观，结节与健康结构之间的微小差异以及血管和其他组织周围结节的影响，很难评估肺结节。

　　受到以前工作的启发，新文章介绍了一种基于人工神经网络的方法来从胸部CT中提取肺结节。与传统方法不同，我们重点关注结节体素的内部结构，并应用ANN来概括这些特征。我们正在三维空间中工作，仅由体素组成，而不是CT体积中的逐片处理。我们的方法可以轻松地集成到现有的CADe系统中，并且可以快速适应和处理几个人类交互的新数据流。同时，我们提出一种基于几何和统计特征的新型投票方法，以更好地提取初始候选区域，同时抑制模糊结构。最后，我们提出了一种基于三维大规模采样候选体素的多训练ANN的结节检测方法，而不是用户指定的特征，目的是减少各种假阳性的出现。