当前计算机辅助诊断技术日趋成熟,在进行辅助诊断时需要输入有效的数据集,因而,在数据上传至系统前,对于数据的合法性检查问题就显得尤为必要,基于此,本文针对小肠CT图像数据的合法性检查问题进行了以下研究:（1）小肠CT图像数据集的建立与预处理。针对小肠部位的研究,由于医学图像存在的数据隐私保护问题,目前并没有公开的小肠CT图像数据集,因此本课题组与某医疗部门合作,解决了数据隐私问题后,采集了100名患者的腹部断层扫描CT数据,并对数据的质量进行评估,选取了其中状态稳定、轮廓清晰的分辨率为512×512的部分切片数据,经过对所有数据的筛选、整理、数据降噪和数据增强,完成了小肠CT图像数据集的建立。（2）构建了基于小肠合法性检查的改进Mobile Net V2轻量型网络。基于本文建立的数据集,在Alex Net、VGG-16、Res Net-50、Mobile Net V1和Mobile Net V2网络上进行训练,对比实验结果后,最终选用了参数量少、运行速度快、准确率第二高的轻量型卷积神经网络Mobile Net V2作为本文的基础网络;由于小肠特征不规则且在图像中分布较分散,采用传统卷积提取特征时会出现特征损失问题,因此,本文选用了可自适应感受野、提取不规则特征的可变形卷积替代原Mobile Net V2网络倒残差块结构中的深度卷积,并针对数据量较少的问题采用了迁移学习的模型训练方法,最终准确率达到94.08%,较原网络提升了2.13个百分点,分类性能得到显著提升。（3）搭建了基于Java Web的医疗信息管理系统。将小肠合法性检查算法集成于系统中,通过调用服务器内部预训练好的模型,实现小肠数据的筛查功能,最终完成了集注册登录、用户信息管理、公告发布与浏览、数据浏览、数据上传和模型调用、医患留言与互动等模块于一体的医疗信息管理系统。