在全国乃至全球范围内,甲状腺疾病对人类健康造成严重危害,针对这一存在问题,甲状腺癌早发现、早诊断成为降低甲状腺癌症发病率与死亡率的有效手段。对甲状腺结节准确分类成为当下重点研究方向。2018年,国家癌症中心最新癌症数据显示,各大医院接诊甲状腺疾病患者逐年上升,因此提高诊断效率是应对患者数量逐年增长的一种有效方式。医生在诊断过程中,对图像的诊断往往依赖于医生知识水平与临床经验,存在主观因素,而且需要花费大量时间。因此,计算机辅助诊断技术的引入,为临床诊断提供了客观的辅助决策,有利于医学诊断中减少医生个人主观因素造成诊断失误,帮助医生得到精确诊断结果。本文以甲状腺超声图像为研究对象,实现了基于循环卷积神经网络的甲状腺超声图像分类模型的构建与甲状腺结节分类系统开发,系统分为登录模块、数据管理模块、图像预处理模块和图像分类模块。论文主要工作如下:(1)甲状腺超声图像的分类概述。对临床甲状腺数据来源、处理做了分析介绍,并简述甲状腺超声图像分类研究现状,以及研究甲状腺超声图像分类的重要性,并根据TI-RADS分级标准及医生指导对甲状腺超声图像做分级处理。对常用的分类方法:关联规则、支持向量机、深度神经网络做了简介分析。(2)构建基于循环卷积神经网络的甲状腺超声图像分类模型。介绍了卷积神经网络与循环神经网络,并结合卷积神经网络与循环神经网络优点,改进分类模型,构建循环卷积神经网络分类模型并对分类模型做优化处理。引入了 softmax算法与L2正则化,防止过拟合现象的发生。(3)基于循环神经网络甲状腺结节分类系统的开发。介绍了分类系统开发所需技术与工具,系统的可行性分析、需求分析和系统设计等系统开发前期工作。阐述了甲状腺结节分类系统的功能,及系统测试等相关工作。基于以上研究,将合作医院获取的甲状腺超声图像作为数据集,利用循环卷积神经网络分类模型分类训练与测试,实现甲状腺结节分类系统开发,实验结果显示,该分类系统具有较高的分类准确率。