目的：比较基于 3D 卷积神经网络（convolutional neural network，CNN）的计算机辅助检测（computer-aided detection，CAD）模型与不同经验水平的放射科医师在薄层 CT 上的肺结节检测效能。
患者和方法：回顾性分析 1,109 例在我院接受连续薄层 CT 随访的患者。通过专家的补充，对 3D-CNN 肺结节检测模型进行再训练，参考标准由两名放射专家组成的共识小组的确定。在测试集中对再训练后的 CAD 模型和三位不同经验水平的放射科医师进行自由响应受试者工作特征曲线（free-response receiver operating characteristic，FROC）分析，评估其检测效能。
结果：再训练后的 CAD 模型的检测效能明显优于训练前的网络（灵敏度：93.09% vs 38.44%）以及放射科医师 (平均灵敏度：93.09% vs 50.22%)，且未显著增加每次扫描的假阳性数（1.64 vs 0.68）。在训练集中，根据 Fleischner 协会指南，在 211 例患者中有 922 个小于 3mm 的结节被评估为高风险，并建议接受 CT 随访检查。其中包括 101 个实性结节，之中有 15 个被确诊为肺癌。
结论：基于 3D-CNN 的 CAD 模型经专家的补充再训练后，是一种准确有效的肺结节检测工具，并提供了检测结节后续监测的有利手段。
关键词：计算机辅助检测；计算机断层扫描；肺结节；卷积神经网络