目的在结核病流行很多偏远地区,由于放射科医生缺乏及医生经验不足,所以放射科医生利用多层螺旋计算机断层扫描（Computed Tomography,CT）诊断肺结核病（Tuberculosis,TB）是一项艰巨的任务。为了解决这一难题,本研究中开发了一种基于人工智能（Artificial Intelligence,AI）的自动检测活动性肺结核（Active Tuberculosis,ATB）系统,帮助放射科医生简化ATB的诊断过程,以及减少放射科医生工作负担并提高诊断准确性。数据本研究回顾性收集了河北大学附属医院2016年4月-2019年5月的846例患者（476例ATB、150例非肺结核性肺炎和220例正常）的CT图像（层厚:5mm）。本文以痰涂片阳性为ATB患者的金标准,CT诊断报告结果为正常和肺炎患者的金标准。本研究把数据分为训练组和测试组,训练组随机选取了337例ATB、110例肺炎和120例正常,测试组选取剩余139例ATB、40例肺炎和100例正常。训练组和测试组的数据是相互独立样本。方法1、釆用spss25.0软件进行统计学分析,以独立样本t检验比较训练组和测试组患者年龄,χ2检验比较训练组和测试组患者性别,P<0.05为统计学中存在显著性差异。2、首先,采用Label Img软件对训练组中337例ATB病灶进行标记。第二,采用U-Net分割网络（U-Net）对训练组中的数据进行训练,同时对标记ATB区域进行图像分割训练,得到了自动识别ATB病灶的U-Net模型。第三,为了提高诊断的准确率,本文对U-Net诊断为ATB病灶的CT图层采用了图像处理方法,筛除了一些U-Net误诊的图层,并且使连续CT图像中2D的ATB病灶转换为3D病灶,当患者满足以上所有条件,诊断为ATB患者,所以本AI诊断软件由U-Net网络加上图像处理方法组成。最后本研究使用测试组来检测AI软件的诊断性能。结果训练组和测试组患者年龄（t=1.167,P=0.243）、性别（χ2=3.708,P=0.054）。本文AI诊断软件对测试组的检测结果评估指标为:曲线下面积（Receiver Operating Characteristic,ROC）的AUC（Area Under Curve）值是0.980、准确度（Accuracy,Acc）是0.968、灵敏度（Sensitivity,SS）是0.964、特异性（Specificity,SP）是0.971、阳性预测值（Positive Predictive Value,PPV）是0.971、阴性预测值（Negative Predictive Value,NPV）是0.964,结果显示本AI诊断软件对诊断ATB和鉴别诊断非ATB（肺炎、正常人）具有很高的精度和性能。结论本研究成功地开发了胸部CT自动检测ATB的AI软件工具。本研究结果显示使用本AI诊断软件不仅可以精准的诊断ATB,而且为下一步AI诊断ATB应用于临床医学奠定了坚实的基础。