肺癌是最致命的癌症之一。與大多數癌症的生存穩定增加相反，肺癌的進展緩慢。通常，肺癌患者的5年生存率為16%，如果在早期診斷肺癌，則達到52%。然而，如果發生轉移，它降低到4%以下。因此，早期檢測肺癌至關重要，以延長患者的生命。北航大學提出了一種用於肺癌檢測的人工神經網絡係統，將於2017年第七期刊登在“科學中國信息科學”上。

        在臨床實踐中，計算機斷層掃描(CT)可以捕獲肺結節和環繞結構的細粒細節，包括用於診斷的黃金標準。然而，CT成像的高靈敏度也導致巨大的數據和複雜的模糊性，這使得放射科醫師難以將病理結構與健康組織區分開來。近年來，計算機輔助檢測(CADe)係統發展迅速，診斷輔助潛力巨大。檢測肺結節是一個明顯的應用。然而，由於結節外觀，結節與健康結構之間的微小差異以及血管和其他組織周圍結節的影響，很難評估肺結節。

        受到以前工作的啟發，新文章介紹了一種基於人工神經網絡的方法來從胸部CT中提取肺結節。與傳統方法不同，我們重點關注結節體素的內部結構，並應用ANN來概括這些特征。我們正在三維空間中工作，僅由體素組成，而不是CT體積中的逐片處理。我們的方法可以輕鬆地集成到現有的CADe係統中，並且可以快速適應和處理幾個人類交互的新數據流。同時，我們提出一種基於幾何和統計特征的新型投票方法，以更好地提取初始候選區域，同時抑製模糊結構。最後，我們提出了一種基於三維大規模采樣候選體素的多訓練ANN的結節檢測方法，而不是用戶指定的特征，目的是減少各種假陽性的出現。