早期肺癌筛查是减少死亡率的重要手段,而肺结节检测是肺癌筛查的首要步骤,计算机断层扫描是目前肺癌早期筛查的主要途径,在肺癌患者早期断层扫描影像中,肺部结节尺寸小、对比度低、形状异质化高,并常常受到血管、气管、气泡等组织的干扰,使得肺部小结节检出面临着巨大的挑战。当前,大数据与人工智能等前沿技术在医疗领域应用已经成为一种趋势。本论文为了解决肺结节检测的难点,基于公开数据集LUNA16,结合三维卷积神经网络,提出了一种包含两个阶段的肺结节检测算法:肺结节候选检测算法和候选结节假阳性筛除算法。针对肺部小结节难以精确检测的问题,本文使用了类U-Net型的编码器-解码器结构以及全卷积网络形式,结合Faster R-CNN目标检测算法中RPN网络的锚点的思想提出了本文介绍的三维肺结节候选检测算法,文中设计了网络框架相同但是基础卷积块不同的三种算法来进行比较,包括基于普通三维卷积块、基于残差连接的卷积块以及基于双路径连接的卷积块,并在算法中加入了特征图在原始图像中的坐标信息,以及通过设置结节大小相对应的锚点值检测不同大小的结节。针对候选检测假阳率高的问题,本文提出了四种三维多级上下文信息网络(3-D MLci-Net)算法提取CT数据的多输入多尺度的体数据的特征,本文根据算法的训练方式不同提出了两种算法,并对子网络的后验概率进行加权融合得到最终的分类结果;然后根据特征图融合的方式不同,提出了另外两种不同的算法,目的是为了得到更丰富的图像特征,并且比较不同的特征融合方式会对结果造成的影响。本文通过在开源数据集上进行实验,然后将实验结果与其他算法的结果进行对比,验证了算法的有效性,并通过自对比实验,验证了算法的改进以及网络结构设计的合理性。本文在候选检测阶段设计的实验对比不同卷积块对算法的影响,得出双路径连接对于结节的特征提取更有效的结论,该算法可以达到93.33%的灵敏度;并且更充足的训练会使得算法的灵敏度得到提高;通过实验对比得知数据增强使得算法的灵敏度提高了3.8%。对假阳性筛除阶段中提出的算法的实验结果进行分析得到,特征融合方式得到的算法优于后验概率融合方式;并且独立训练子网络参数的算法比一起训练的情况好,从实验结果上可以得到相对于基准算法,3-D MLci-Net-4的灵敏度提高了2.14%。