本研究では、完全自動化された肺CTがん診断システムであるDeepLungを紹介します。DeepLungは、結節検出（候補となる結節の位置を特定）と分類（候補となる結節を良性または悪性に分類）の2つのコンポーネントから構成されています。肺CTデータの3次元性とデュアルパスネットワーク（DPN）のコンパクトさを考慮し、結節検出と分類のためにそれぞれ2つの深層3次元DPNが設計されました。特に、3次元Faster R-CNN（Faster Regions with Convolutional Neural Net）が設計され、3次元デュアルパスブロックとU-netのようなエンコーダー-デコーダー構造を使用して効果的に結節特徴を学習するために用いられています。結節分類については、3次元デュアルパスネットワーク特徴量を使用した勾配ブースティングマシン（GBM）が提案されています。結節分類サブネットワークはLIDC-IDRIの公開データセットで検証され、画像モダリティに基づく最先端の手法や経験豊富な医師よりも優れた性能を達成しました。DeepLungシステム内では、まず結節検出サブネットワークによって候補となる結節が検出され、その後分類サブネットワークによって結節診断が行われます。広範な実験結果により、DeepLungはLIDC-IDRIデータセットにおいて経験豊富な医師と同等の性能を示しており、結節レベルおよび患者レベルでの診断においても同様です。\footnote{https://github.com/uci-cbcl/DeepLung.git}