目的:研究基于深度学习的肺结节检测算法对于肺部亚实性结节的检出效果。方法:对我院2018年9月—2019年4月行肺部CT扫描的病例进行筛选,由2位有资质医师对符合入组条件的251例病例进行肺结节检测,标注结节的所在位置及其所属的分类。使用基于深度学习的肺结节检测算法对病例进行检测,与医生检出结果进行匹配,对不一致的检出框进行复审,确定其具体分布并做统计学分析。结果:基于深度学习的肺结节检测算法共检出结节723个,医师检出的结节数量为198个,对不一致结果进行复审,最终确定结节525个,占比为61.8%。医生检出与算法检出的结节总数之间的差异具有统计学意义,医生检出亚实性结节的数量和占比均小于复审得到的结节,且差异具有统计学意义(P<0.05)。0～4mm大小的结节在医生漏检结节中的占比极大(91.23%),与医生检出相比有统计学差异(P<0.05)。结论基于深度学习的肺结节检测算法对肺亚实性结节具有高敏感性、低假阳性,对小结节的检出也有较大帮助。