随着医学图像采集设备的普及,例如X光、CT(Computed Tomography)和MRI(Magnetic Resonance Imaging),通信标准以及医学的数字成像技术被广泛应用于医疗图像处理系统和存储系统,医学图像成为了记载患者生理疾病信息的重要载体。随着医学图像数量的增加,医生的工作负担也随之加大,医生很难通过肉眼观察结构复杂的病变器官做出客观诊断;与此同时,机器学习方法和模式识别系统也在飞速发展当中,可用于处理医学图像,辅助传统的医学手段。然而,出于隐私保护的角度,可用做机器学习训练数据的医学图像数量并不充足;另外,医学图像中病灶的病理特征复杂多变,也为计算机辅助病灶识别带来了极大挑战。本文主要研究基于DICOM(Digital Imaging and Communications in Medicine)数据的精准病灶识别算法及其应用。本文主要包括两部分:病灶定位和病灶识别。1)对于病灶定位,首先应用了一种基于迁移学习的方法,在Image Net数据集上预训练好一个用于目标分类的神经网络模型。然后,使用该神经网络模型已训练好的参数来初始化病灶定位网络,并使用医疗图像作为训练数据来微调病灶定位网络后五层的参数,最终使得网络能够确定医疗图像中病灶的位置区域。2)对于病灶识别,在小样本的病灶区域图像数据条件下,首先应用了一种稠密卷积神经网络,在网络设计上采用了稠密连接,稠密块和过度块。接着综合利用病灶图像提取出来的浅层特征和深层特征,得到一个光滑的具有更好泛化性能的决策函数,减小了过拟合的危害,最终网络能够精准地分别病灶的良恶性。在DICOM格式的甲状腺超声图像上进行了病灶定位和病灶识别的实验,通过对实验结果的分析,相比其他主流方法,本文提出方法在病灶定位和病灶识别上能够取得更高的准确率。