随着计算机相关技术的迅速发展,医疗领域开始广泛运用计算机相关技术来提高医疗服务水平,包括医疗信息管理、临床疾病辅助诊断等。此外,医疗信息化的快速发展,使得医疗信息系统中积累了大量的医疗数据。深度学习算法能从大量的数据中学习出数据的抽象特征,这些特征可以用作对目标进行分类和识别,其有效性已在很多实际应用中得到验证,其中不乏在医学方面的应用。如何将深度学习方法应用于医疗数据,建立分析模型,是当前医疗数据分析的热点。本文主要学习和研究了深度学习理论在医疗领域方面的应用,根据不同类型的医疗数据及任务需求,设计并训练了不同的深度学习网络模型,同时基于模型实现疾病预测和诊断系统原型。主要工作如下:首先探索了卷积神经网络在一维结构化新生儿出生缺陷数据集上的分类预测应用。出生缺陷是在胎儿时期就发生的身体结构、功能或代谢的异常情况,严重影响新生儿生存及生活质量。目前我国应对出生缺陷的方式还只有一些预防性措施,对导致胎儿患出生缺陷因素的研究还不是很多。论文针对一维结构化出生缺陷数据,设计并训练了一维结构的卷积神经网络,建立常见的四种出生缺陷疾病的预测模型。实验结果显示该预测模型有着较高的预测准确率,具有一定的实用价值。其次针对二维眼底图像探索了卷积神经网络在多标签数据集上多分类的应用问题。眼部疾病的诊断主要依赖眼底图像。目前用来诊断单一眼部疾病的眼底图像分类模型研究已取得众多成果,但对同时患多种眼部疾病的眼底图像进行多分类模型的研究还处于起步阶段。因而本文设计了一种基于经典卷积神经网络VGG网络的眼部疾病诊断网络,该网络中融合了年龄性别信息模块以及注意力机制模块,训练得到的模型能同时对多种眼部疾病进行分类。实验结果显示该模型对常见的几种眼部疾病具有良好的分类正确率,并且年龄性别信息模块以及注意力机制模块的加入对模型的分类正确率也有明显的提高。基于上述两部分的成果,本文设计并实现了智能疾病诊断系统的原型,该系统基于B/S架构开发,包括了出生缺陷预测及眼部疾病诊断两个业务。用户通过手机或者电脑上的浏览器就可以登录系统页面进行操作,整个智能疾病诊断系统界面简洁,操作方便,具有一定的应用推广前景。