肺部的检查是每年体检的重要一部分。体检中有成百上千的病例，而每个病例中含有许多的肺部横切面CT图像。这些都需要专业医生去逐个筛查出存在肺结节的病例，不仅工作量大而且存在误筛的可能。针对上述问题，把卷积神经网络（CNN）引入筛查存在肺结节的CT图像诊断，提出一种基于CNN的分类算法。在LIDC数据库的实验结果表明，对比应用广泛的lenet-5网络和传统方法等，使用自定义的卷积神经网络将分类的正确率提升了4到10个百分点不等。AUC值为0.821?6，也是几个分类器中最大的。相比于其他方法，该方法能较为准确地识别肺部CT图像，可以为临床诊断提供较为客观的参考。
