近年来,深度学习技术在多个研究领域大放异彩,基于卷积神经网络模型的创新成果与日俱增。为解决医疗资源紧缺和创建更好的医疗环境,全球多个国家出台相关政策,鼓励发展医疗人工智能行业,不断推进新一代计算机技术在医疗行业的应用。其中,利用深度学习技术的辅助诊断算法一直是数字医疗研究的热点,它能帮助医生诊断分析大量医疗数据,减少阅片误诊率和漏诊率。当前,一些深度学习算法模型在图像的检测效率和精度上相比于专业医生都表现得更好,但只有将其投入实际应用才能真正体现其研究意义,而辅助诊断系统正是将科研模型工程落地的最佳典范。目前国内外的辅助诊断系统多是基于C/S模式的客户端软件,且针对特定疾病实现,在实用性和通用性上存在不足。本文所提出的面向多种疾病的医疗辅助诊断系统是在对市场已有系统调研后,进行需求分析、设计和实现的一个包含小肠癌诊断和分割、淋巴癌诊断、面瘫诊断、口腔疾病诊断的应用。本文根据不同疾病数据特点将系统划分为基于B/S模式的Web系统和基于微信小程序的移动辅助诊断平台,其中,小程序旨在提供口腔疾病的辅助诊断,Web系统则面向除口腔疾病外的其它疾病。除基本的辅助诊断功能外,系统还提供生成诊断报告、在线阅片等模块。本文引入三维重建技术实现分割结果的三维可视化,首先利用多器官分割算法得到各器官组织的分割结果,在对多平面重建、面绘制、体绘制三种方法做比较后,使用体绘制方法的光线投射算法获取高质量的三维模型,并实现病灶分割结果与器官分割结果的独立和融合显示。同时,本文基于VTK、ITK可视化工具包实现可视化交互界面。此外,考虑到小程序上传的不合法数据对系统调用算法造成的不利影响,本文利用基于卷积神经网络的分类模型实现口腔环境识别。由于采集到的口腔数据较少,本文在数据增强后建立最终的口腔环境识别数据集。之后通过在自建立的数据集上训练模型,并使用评价指标对比分析后选取最优模型,将其集成到系统中,解决数据合法性问题。综上,本文提出的系统在功能上更为完善,用户使用更方便、灵活,应用范围更广。本文已对上述Web系统和小程序均做完整测试,现已投入使用。