2020年,新冠肺炎以一种极强的传染性在全球范围进行传播,医生以核酸检测作为是否确诊的标准时,无法满足在病毒载量不高时,医学检测的准确性,而肺部片子快、准的筛选方式成为了辅助医生确诊新冠肺炎的诊断模式。由此可见,医学影像的辅助诊断在我国起着不可或缺的作用。但是,我国的医疗影像数据仍处于呈指数增长的模式,随之而来的就是当前医疗资源的严峻紧张、医生的工作量加剧、误诊的概率不断增加。于是,智能化、自动化的医疗辅助诊断已成为当前医疗领域向着智慧、精准、高效方向发展的必然趋势。论文在国家自然科学基金项目（71971143、71571120）的资助下完成,具体研究如下。本文以医疗大数据为研究对象,结合群体智能技术与卷积神经网络分类方法,开发了一套从“数据采样---系统架构搭建---系统设计---系统测试”的完整的智能医疗辅助诊断系统,涵盖了面向不同用户（即医生、患者和管理员）的医疗影像增强、医疗辅助诊断和医疗数据统计的三大功能,为临床决策提供了量化依据和决策支持,降低了医生工作量,提高诊断准确率。下面展开了对医疗影像增强、医疗辅助诊断和医疗数据统计的研究,并给出了相应的解决方案。（1）组织器官的医疗影像增强设计。本文构建了基于粒子差分进化算法的新型Canny算子边缘检测方法,用于对医疗影像组织器官的边缘勾勒,排除外在环境以及非组织器官的干扰,提高影像的成像质量,辅助医生提高读片速度。具体方法是在传统的Canny算子基础上,采用了基于自适应交替和集成变异交叉思想的粒子差分进化方法,重新优化边缘目标和背景的灰度分割临界点（即阙值）确定边缘勾勒的最佳阙值。实验结果表明,改进后的新型Canny算子检测方法在影像组织器官的边缘勾勒上定位更准确,边缘细节更丰富。（2）医疗影像辅助诊断模块的构建。本文提出了一种基于菌群优化算法的卷积神经网络优化分类器,对医疗影像组织器官进行疾病的识别和判定。该分类器引入了基于差分翻转、交叉扰动、巡游思想的菌群优化方法,同时采用随机梯度下降方法作为大规模数据优化的辅助指针,确定最优的网络结构,对医疗影像进行疾病的判别。实验表明:改进的菌群优化算法在8类基准函数上均获得了最优的结果,且基于该菌群优化算法的网络分类器在不同规模心肺影像的筛选中,有着较低的错误率,验证了本文分类器的有效性。（3）医疗影像数据统计的分析。定期统计同一疾病的患者数量,并对同一组织器官的不同疾病进行患者数量的对比分析,以图表形式将分析结果传送给各科医生,简洁、直观的展示当前医院各科室不同疾病的患病数量变化趋势。同时向患者发送疾病信息公告,起到疾病预防的目的。