随着医学影像检查设备的高速发展及PACS系统的广泛应用,获取并存储了多种类医学影像大数据,使基于深度学习的人工智能医学影像分析成为近年的研究热点。目前,医学影像智能分析领域仅有可利用的少量公开数据集,缺乏高质量的标注大数据。而在医学图像标注数据的获取方面,虽然国内有很多相关的软件,但大多都是直接对现成的单一种类图像进行标注的小工具或是专业的图像处理软件附带一些简单的标注功能,缺乏针对深度学习技术应用的医学图像标注系统,这严重影响了深度学习技术在医疗领域的研究进度。鉴于此,本课题设计开发出一套基于普通电脑硬件设备即可实现的用于深度学习的医学图像标注系统,完成的主要工作如下:1、针对缺乏大量可标注的医疗数据问题,设计了可与多种异构PACS对接的数据迁移模块,实现了多线程模式下对医疗数据的迁移和脱敏处理,保证了迁移获取数据的稳定高效运行;2、针对获取的大量数据存储问题,除本地存储外还设计了基于百度云和阿里云的云端存储方式,不仅实现了多线程模式下,数据的手动、自动上传与下载功能,还基于Rijndael算法设计了加解密功能,保证了数据云存储的安全;3、针对迁移之后大量医疗数据的统计分析问题,设计实现了多种查询条件下的统计结果柱状图展示及列表显示功能,方便用户对多地域,多病种及不同年龄等条件下数据的查询、提取和分析,以利于对不同地域多发病种的防控;4、针对目前标注软件功能单一、不具有普适性等问题,设计实现了“关系数据库加XML文件”和“一屏多显”模式下对不同类型和格式的医学图像等数据的管理,调阅、标注及其可视化等功能,辅助用户标注更方便、更精准。通过完成以上工作,本课题实现了一种能将不同类型和格式的医学图像标注结果用于深度学习的医学图像标注系统,在实现标注的基本功能同时,设计了对异构PACS数据库的数据迁移,加密云存储、统计分析、报告浏览、标注的可视化等功能,并利用多线程技术提高了系统效率,在当前利用深度学习技术促进医疗领域更智能,更高效、更精确诊断的大背景下,具有重要的实用价值。