本文提出一种在图像精细预处理条件下,通过二维卷积神经网络对低剂量计算机断层扫描(CT)图像进行肺结节检测的方法.通过图像剪切、归一化操作等算法对CT图像预处理,对正样本进行扩充以平衡正负样本数量,训练二维卷积神经网络并在过程中不断优化网络参数,最终得到性能最优的模型.本文采用美国2016年肺结节分析(LUNA16)挑战赛开源数据集进行五折交叉验证,取每组模型实验结果的平均值,最终准确率为92.3％、敏感性为92.1％、特异性为92.6％,相较于已有的其他肺结节自动检测分类方法在各项指标上均有所提高.随后本文在此基础上进行模型微扰实验,实验结果表明,模型稳定且具有一定的抗干扰能力,可以有效地识别肺结节,期望可为肺癌早期筛查提供辅助诊断意见.