肺结节作为肺癌早期诊断的重要特征,对其识别和类型判断具有重要意义。目前使用迁移学习的识别算法存在着源数据集与目标数据集差距过大问题,对于肺结节特征提取不足,导致效果不佳。故此提出了基于卷积神经网络的改进神经网络模型。将预训练的GooLeNetInceptionV3网络与设计的特征融合层结合,提高网络对特征的提取能力;为确定最佳组合方式,对各组以准确率为标准进行测试。实验在LUNA16肺结节数据集上进行。进行分组测试结果表明,改进的网络准确率达88.80%,敏感度达87.15%。在识别准确率和敏感性指标上,与GooLeNetInceptionV3算法相比,分别提高了2.72,2.19个百分点。在不同数据集比例下进行实验,同样达到了更优的效果,具有更好的泛化能力。可以给临床诊断提供相对客观的指标依据。