肺是发病率和致死率最高的人体器官之一,全球范围内每年将近有500万人死于肺癌。如果可以及早诊断肺癌并尽早进行治疗将大大提高患者的生存几率。大量临床数据表明,肺结节是肺癌最初表现形式。在传统的医学影像教学中,主要依赖教师对病灶的抽象和标注,不便于学生直观形象的掌握病理特征,更无法制定有效的治疗方案。随着计算机辅助医学影像技术在教学中的广泛应用,较好的解决了这些问题。但是肺结节形态不一,常与其它组织粘连在一起selleck产品,造成背景过于复杂,边界模糊,使得计算机影像处理技术提取病灶特征精度偏低,而且良恶性的肺结节差异较小,特征具有高相似性,造成分类精度不高。本研究针对计算机影像处理技术在教学中出现的问题和关键技术展开研究,以肺结节常用的CT影像数据为研究对象。首先,本研究提出AVnet(Attention-Vnet)网络模型用于肺结节病灶的分割。AVnet模型Ponto-medullary junction infraction是以U-net模型中增加了残差块保留了更多病灶边缘信息的Vnet网络为基础,并在特征融合时引入注意力机制,提高模型对重要特征的关注度,增加了模型泛化能力和鲁棒性。其次,提出L-VGG模型提高了良恶性肺结节的分类准确率。所提出的L-VGG模型是以VGG16模型为基础,并参照残差网络引入了层融合的思想,实现多特征的融合以更好的学习肺结节的特征信息,提高良恶性肺结节分类任务的准确率。最后,本研究设计了一套以AVnet分割网络和L-VGG分类网络为核心算法的计算机辅助肺癌诊断教学系统,使得医Compound C学生可以对肺癌病灶更加直观和全面的理解,从而可以更加快速和准确的掌握诊断肺癌的技能。本研究通过肺部CT图像LUNA16数据集验证了所提算法的性能,AVnet网络具有更高的精确度,MIou、PA、Dice三种评价指标分别达到了89.8%、91.5%、0.895的结果;L-VGG的分类ACC、SEN、AUC三种评价指标分别达到了0.855、0.903、0.915的结果。通过3D U-net、Vnet和AVnet的分割效果做对比,证明了AVnet网络对肺结节分割任务具有更好的鲁棒性。VGG16、VGG19和本文提出的L-VGG网络对比分类结果,经过测试L-VGG也具有更高的分类精确率,并且结合了AVnet分割网络和L-VGG分类网络计算机辅助肺癌诊断系统运行良好。