在我国鼻咽癌是一种致死率相当高的恶性肿瘤,实现其快速诊断具有重要意义。鼻咽癌的早期快速诊断以及治疗后是否发生远处转移对患者的健康具有重要的影响。鼻咽癌的诊断通常根据病理图像的结果进行判断,病理图像分析准确,具有很高的权威性,但数据量大,在进行分析时需要耗费大量的人力和物力。近几年,深度学习的崛起使鼻咽癌的诊断在病理方面变得相对简单、容易。本课题将医生标注的鼻咽癌病理图像数据作为研究对象,采用了基于深度卷积神经网络特征融合的方法进行鼻咽癌诊断分析,通过此算法识别出病理图像数据中的患癌区域。根据上述算法对鼻咽癌远处转移的部分数据进行标注,与医生标注的数据合并作为数据集,通过实验预测分析鼻咽癌患者在经过治疗后是否发生远处转移。通过以上两个实验证明,上述两种算法具有较高的学术意义以及使用价值。本论文的创新研究工作主要有以下两个方面:1、构建了一种基于深度卷积神经网络的鼻咽癌病理图像肿瘤区域自动检测和诊断的模型方法,通过VGG-16与Inception-v3模型将不同分辨率的病理图像数据提取特征,通过融合模型在网络的后端进行特征融合并识别出患癌区域。2、针对鼻咽癌远处转移的问题,在上述实验基础上对数据集进行标注,处理数据时运用迁移学习的方法提取特征,结合传统的机器学习方法进行分析与判断患者是否发生远处转移。