目前,肺癌的发病率和死亡率在中国乃至全世界排名第一。其早期表现为圆形或不规则形状的肺结节,直径为30mm或更小。肺结节的早期诊断和治疗是降低肺癌死亡率的最有效方法。由于肺结节的形态多样性和分布不均,且每个医生每天要处.理的图像数.量高达数十.万张,医生很容易.造成误判。因此可以采.取其他辅助技.术辅助医生.诊断,可以显着.提高诊断结果.的准确性和.诊断效率。综上所述,运用其他.辅助手段辅助.肺结节的检测.是很有必要的。传统的辅助.手段消耗时间大,误报率还高,无法满足临床应用的需求。本文提出了基于.Faster R-CNN算法来检测肺结节,解决了传统方法的缺陷。首先搭建了深度学习的环境,然后使用LIDC-IDRI数据库作为数据来源制作了能供Faster R-CNN模型训练的数据集,用于初步验证该方法的可行性,并对实验结果进行分析和评价。但是该方法.在检测精度.上还有可提.升的空间,可以对其进行进一步的改进优化,以提高检测精确度。改进优化的方法从参数的优化和改进网络结构等方面入手,先从理论上分析改进优化的可行性,再通过多次实验对比分析。最后又横向对比了目前应用于物体检测比较流行的几种方法,本文所提优化改进后的算法普遍比其他流行算法在检测精度上提高了20%以上,实验证明,该方法在肺结节检测领域具有良好的理论价值和工程应用价值。最后,基于优化改进后的算法利用Python的Web框架Django搭建了一个肺结节辅助检测系统,前端框架使用Bootstrap和jQuery的CSS样式来设置系统的页面布局,方便让医生能够简单直观地使用。