CTモダリティ医用画像における畳み込みニューラルネットワーク訓練時の特徴抽出不足や特徴次元の高さなどの問題に対し、本稿ではマルチスケール画像融合に基づく非負疎協調表現分類を用いた密なニューラルネットワーク肺腫瘍（Multi Scale DenseNet-NSCR）の認識方法を提案する。まず、転移学習を用いて事前学習済み密なニューラルネットワークモデルの初期パラメータを設定する。次に、肺画像を前処理し、多尺度病変ROI領域を抽出する。さらに、多尺度CT画像で密なニューラルネットワークを訓練し、全結合層の特徴ベクトルを抽出する。次に、融合特徴の高次元問題に対し、非負疎協調表現分類器（NSCR）を用いて特徴ベクトルを表現し、係数行列を解く。最後に、残差類似度を用いて分類を行う。最後に、AlexNet、DenseNet-201モデルおよび3種類の分類アルゴリズム（SVM、SRC、NSCR）の組み合わせによる比較実験を行い、実験結果はMultiscale-DenseNet-NSCR分類効果が他のモデルより優れ、特異度と感度などの各種評価指標も高く、本手法が良好なロバスト性と一般化能力を持つことを示した。

密なニューラルネットワーク;マルチスケール医用画像;転移学習;NSCRアルゴリズム