近年来,随着医学影像技术的发展和各种医学影像设备的广泛应用,医学影像已经成为医学诊断中必不可少的依据并且极大的提升了医生的诊断速度和准确度。在众多成像技术中,X光成像技术以其速度快、成本低、准确率高的特点成为了主要的医学影像设备之一,是常规身体检查的重要手段,应用广泛。然而大量的医学影像在方便诊断的同时也加大了医生的工作压力。与此同时,随着计算机技术的日新月异,各种先进的人工智能算法不断的应用在各个领域中并发挥出了巨大的作用。因此,利用计算机技术实现医学图像的快速注释也逐渐成为了计算机辅助诊断领域的重要研究方向。深度学习是近年来兴起的人工智能算法之一,它通过大量数据的训练能够自动提取出低层次到高层次的特征,解决了传统机器学习方法中过于依赖手工特征选取的问题,为人工智能技术的发展开创了一个新的方向。目前,深度学习算法在图像识别和自然语言处理等领域被广泛的应用并取得了出色的成绩。因此,本文在研究深度学习中卷积神经网络和循环神经网络的基础上,将该算法应用到胸部X光影像的自动识别与医学影像报告的自动生成上,提出了一种基于深度学习的医学图像自动注释的模型。本文的主要工作包括以下几个方面:首先对X光成像技术以及胸部X光影像进行了介绍,阐明了通过计算机实现医学图像自动注释的重要意义;然后介绍了深度学习的发展与现状和一些常用的神经网络,并且推导常见的网络层的计算公式;之后,本文基于Caffe深度学习框架实现了对胸部X光影像的单标签卷积神经网络训练和多标签卷积神经网络微调;最后,以医学影像报告和从卷积神经网络最后的全连接层提取出的图像特征向量作为输入数据,完成了对循环神经网络的训练并生成最后的医学图像注释。