肺癌是发病率和死亡率增长最快，对人群健康和生命威胁最大的恶性肿瘤之一。而计算机断层扫描（CT）被视为检出肺癌的强有力武器，可判断肺结节与周围组织器官的关系。随着大数据时代的到来，深度卷积神经网络具有针对特定任务的灵活性和高准确性的特点。项目将其应用于肺癌早期筛查领域，考虑结节特性，分别针对普通结节和微小结节构建不同的网络架构，提出了多视野神经网络架构预测肺结节良恶性，实现肺部CT影像关于肺结节风险等级的智能诊断。该方法判断良恶性结节的准确率高达95.4%，AUC可达0.99（理想值为1），是国内首个接近于临床应用水平的肺结节智能诊断算法。进一步地，考虑到微小结节在肺癌诊断中的临床应用价值，设计了三维残差级联网络评估微结节风险等级。同时，为防止过拟合问题，引入残差神经网络，实现网络的多通路架构。将肺结节划分为高风险等级和低风险等级，实现肺部微结节风险等级诊断。