1.基于深度学习的肺结节CT图像检测系统，其特征在于：所述系统包括：

图像采集主模块、inception-res-v2主模块、inception-res-v2改进主模块、训练主模块和测试主模块；

所述图像采集主模块用于采集肺结节CT图像，对采集的肺结节CT图像进行预处理，获得预处理后的图像，将预处理后的图像随机分为训练样本集和测试样本集两组，并将预处理后图像输入inception-res-v2主模块；

所述inception-res-v2主模块用于搭建肺部疾病诊断inception-res-v2网络模型；

所述inception-res-v2改进主模块用于对搭建的肺部疾病诊断inception-res-v2网络模型进行改进，得到改进好的肺部疾病诊断inception-res-v2网络模型；

所述训练主模块利用训练样本集采用不同的优化算法对改进好的肺部疾病诊断inception-res-v2网络模型进行训练，微调模型参数，获得训练好的肺部疾病诊断inception-res-v2网络模型；

所述测试主模块用于加载训练好的肺部疾病诊断inception-res-v2网络模型，利用测试样本集对训练好的肺部疾病诊断inception-res-v2网络模型进行测试；

若训练好的肺部疾病诊断inception-res-v2网络模型在测试样本集上的肺部图像诊断准确率大于等于90％，则利用训练好的肺部疾病诊断inception-res-v2网络模型作为最终模型，将最终模型用于肺部图像的诊断；

否则，调整训练好的肺部疾病诊断inception-res-v2网络模型的参数，利用训练样本集对搭建的肺部疾病诊断网络模型进行重新训练，直至获得的训练好的模型在测试样本集上的肺部图像诊断准确率大于等于90％时，获得最终模型；再将最终模型用于肺部图像的诊断。

2.根据权利要求1所述基于深度学习的肺结节CT图像检测系统，其特征在于：所述图像采集主模块通过扫描的方式将仪器输出的肺结节CT图像扫描为电子图像的格式，获取到每张完整的肺结节CT电子图像，对采集的肺结节CT电子图像进行预处理，获得预处理后的图像，将预处理后的图像随机分为训练样本集和测试样本集两组，并将预处理后图像输入inception-res-v2主模块；具体过程为：图像采集主模块用于采集肺结节CT图像，对采集的肺结节CT图像进行预处理，即将图像调整到3×3的尺寸，获得预处理后的图像，将预处理后的图像随机分为训练样本集和测试样本集两组，并将预处理后图像输入inception-res-v2主模块。

3.根据权利要求1或2所述基于深度学习的肺结节CT图像检测系统，其特征在于：所述inception-res-v2主模块用于搭建肺部疾病诊断inception-res-v2网络模型；具体过程为：搭建肺部疾病诊断inception-res-v2网络模型：

肺部疾病诊断inception-res-v2网络模型包括：

图像输入层、主干卷积层、Inception-A模块、Inception-B模块、Inception-C模块、均值池化层、dropout层、全连接层和输出层；

肺部疾病诊断inception-res-v2网络模型具体连接结构为：

图像输入层的输出端连接主干卷积层的输入端，主干卷积层的输出端连接Inception-A模块的输入端，Inception-A模块的输出端连接Inception-B模块的输入端，Inception-B模块的输出端连接Inception-C模块的输入端，Inception-C模块的输出端连接均值池化层的输入端，均值池化层的输出端连接dropout层的输入端，dropout层的输出端连接全连接层的输入端，全连接层的输出端连接输出层。

4.根据权利要求3所述基于深度学习的肺结节CT图像检测系统，其特征在于：所述inception-res-v2改进主模块用于对搭建的肺部疾病诊断inception-res-v2网络模型进行改进，得到改进好的肺部疾病诊断inception-res-v2网络模型；具体过程为：搭建改进好的肺部疾病诊断inception-res-v2网络模型：

改进好的肺部疾病诊断inception-res-v2网络模型包括：

图像输入层、主干卷积层、Inception-A模块、Inception-B模块、Inception-C模块、均值池化层、dropout层、改进后的全连接层和输出层；

改进好的肺部疾病诊断inception-res-v2网络模型具体连接结构为：

图像输入层的输出端连接主干卷积层的输入端，主干卷积层的输出端连接Inception-A模块的输入端，Inception-A模块的输出端连接Inception-B模块的输入端，Inception-B模块的输出端连接Inception-C模块的输入端，Inception-C模块的输出端连接均值池化层的输入端，均值池化层的输出端连接dropout层的输入端，dropout层的输出端连接改进的全连接层的输入端，改进的全连接层的输出端连接输出层。

5.根据权利要求4所述基于深度学习的肺结节CT图像检测系统，其特征在于：所述训练主模块利用训练样本集采用不同的优化算法对改进好的肺部疾病诊断inception-res-v2网络模型进行训练，微调模型参数，获得训练好的肺部疾病诊断inception-res-v2网络模型；具体过程为：对训练样本集图像进行平移、旋转处理，采用带有动量的随机梯度下降法和带有动量的自适应估计算法两种优化算法分别对改进好的肺部疾病诊断inception-res-v2网络模型进行训练，微调模型参数，获得训练好的肺部疾病诊断inception-res-v2网络模型，并对训练好的肺部疾病诊断inception-res-v2网络模型在测试样本集上的分类结果进行比较，选取分类结果准确率高的肺部疾病诊断inception-res-v2网络模型作为最终训练好的肺部疾病诊断inception-res-v2网络模型。

6.根据权利要求5所述基于深度学习的肺结节CT图像检测系统，其特征在于：所述参数包括：学习率、批次大小、迭代次数和激活函数；

学习率为0.01、0.001或0.0001；

批次大小为16、32、64或128；

激活函数为relu激活函数。