当今时代,医疗大数据应用发展迅猛,海量医学信息数字化和就诊流程电子化成为满足人口迅速增多、老龄化趋势加快、慢性病患者群体增长对医疗需求的重要手段。医学影像数据是整个医疗过程中产生的重要信息源,成为医生诊治疾病的重要参考,对其进行深入有效地组织与利用成为时代的需求和未来重要的发展方向。目前,对医学影像数据的处理主要是直接将其堆积于信息系统中,以备调用查阅历史数据,造成医疗信息资源的重大浪费。事实上,大量的医学影像数据中蕴含着疾病的发展规律,如能对其进行深入挖掘和关联,将能为疾病的诊断、预测、监测和预防提供科学参考和重要决策支持。为了实现以上目的,本研究借助卷积神经网络与长短期记忆网络,对影像数据进行特征提取和分类识别,提出医学影像数据管理的一般方法,主要包括以下四个方面内容。(1)分析医学影像数据管理研究现状。通过国内外文献调研,了解分析目前医学影像数据管理的方法及有待解决的问题。同时,目前对影像数据的处理主要是利用卷积神经网络进行特征提取,未能对诊断结果进行结构化时序描述。针对于此,本研究引入深度学习中的卷积神经网络与长短期记忆网络混合模型。(2)分析医务工作者对医学影像数据管理的需求。通过调查问卷了解到医务工作者对医学影像数据管理的深层次需求,146份有效调查数据分析表明:目前国内医院数据环境具有数据量大、数据投入高、数字化程度低的特点;医务工作者普遍觉得工作量多、工作难度高、工作压力大;在进行读片对疾病诊断的过程中,缺乏经验的年轻医生很难单独确诊,需要找专家会诊,且有时候专家会诊也很难确诊;医务工作者们普遍需求有效的数据管理方法,能为他们的诊断提供决策参考。(3)构建医学影像数据管理一般方法,对医学影像及诊断信息进行组织管理,为医学影像与患者信息、病案信息、病种信息的关联存储以及医学影像数据管理方法的应用提供信息基础。利用深度学习中的卷积神经网络与长短期记忆网络混合模型,通过对卷积神经网络中卷积层、下采样层参数的不断调整,结合长短期记忆网络和Softmax分类器,得到疾病最优识别模型,进一步以甲状腺良恶性结节识别为例,详细说明医学影像及诊断信息组织管理的具体流程。此外,基于数据生命周期管理理论视角,分析各阶段中的医学影像数据生命-价值,绘制医学影像数据生命-价值曲线图。(4)多模态医疗大数据关联存储与应用研究。基于统一的DICOM医学数字图像和通信标准,搭建医学影像智能数据库,实现医学影像、患者信息、病案信息以及病种信息等医疗大数据的有机关联;医学影像数据管理方法可以应用到智能医疗辅助诊断、医学影像元数据格式与传输标准的规范、人类流行病的预测预防、个人健康档案的构建和完善这四个领域。