为解决我国医学影像资源分配不均和医学数据不能充分共享等问题,本文在分级诊疗背景下,设计并实现了一种医学影像数据采集及标准化系统。首先研究医学影像的远程调取与标准化显示、浏览,实现无论何时、何地和何种终端都可以调阅医学影像。进而研究影像数据的标准采集、标注等预处理方法,为深度学习准备高质量标注数据提供支撑。特别是,针对医学影像数据快速增长而放射科医师短缺问题,设计一种可在诊断过程中调用的人工智能辅助诊断模块,以提高医师诊断效率和水平。本文完成的主要工作包括:1.针对区域影像数据远程调阅需求,设计了一种远程影像诊断模块。利用Canvas绘图技术实现对医学影像的标准显示和浏览,同时,后端将调阅的DICOM文件按标准化结构存储在服务器,并在配置文件中保存文件结构信息,前端采用Webworkers多线程的方式进行调阅,实现精准有序地快速调阅数百幅医学图像,使影像的调阅速度提高3倍。2.针对深度学习算法缺少高质量标注数据,致使人工智能辅助诊断产品性能有限问题,设计一种医学影像诊断和标注相结合的方法,使医师在诊断的同时可以获得标注数据。提供矩形、多边形、自由描画等多种标注方式,支持图像标注的收藏、可视化加载、多病种保存、数据导出等功能。医师用户在影像诊断过程中,只需对病灶进行标注、保存两步操作,就可以便捷的完成图像标注。3.针对放射科医师与影像检查需求相比严重不足问题,设计一种可在诊断过程中调用的人工智能辅助诊断模块。通过图像缓存、容器隔离部署、高性能消息队列等技术,实现了可并行调用深度学习模型的检测模块,使检测速度提升2倍以上,并支持深度学习模型种类的扩展。本文的医学影像数据采集及标准化系统,包含医学影像的远程调阅、标准化采集、标注、病灶的辅助检测等功能,可在一定程度上解决区域医疗资源分配不均以及高质量标注数据缺乏的问题。同时,本文提出的智能辅助诊断的解决方案,可以有效地促进医疗影像领域向着更高效、更智能、更精准的方向发展。