构建统一的机器学习模型，用于多种医疗影像的智能诊断，提高诊断效率和准确度。人工智能技术在医学影像诊断领域正在发挥越来越大的作用。现有的人工智能医疗影像诊疗系统一般只针对一类疾病影像进行处理。本系统针对各类医疗图像的共性问题，构建了针对多种医疗影像的智能诊断系统，该系统建立了统一的机器学习模型，并将模型合并到一个定制开发的 GUI 平台中，可以由医疗人员轻松操作，进行各类图像和疾病的诊断。在乳腺超声图像、眼科 OCTA 图像、肺部 CT 图像等多种影像平台进行了测试，取得了较好效果。在超声科乳腺图像识别上，该系统可以进行乳腺癌病变的良恶性识别，整体识别精度在 92%左右，高于人工识别的准确度，提高诊断的效率，降低进行活检的风险。在眼科 OCTA 图像识别上，系统将 OCTA 图像分为健康、糖尿病无视网膜病变、糖尿病视网膜病变,共计 3 种类型疾病分类进行识别，整体识别精度达到 87%左右，能够很好的区分糖尿病病人的 OCTA 图像。在 CT 科肺部图像识别上，系统将肺部 CT 分为正常、肺钙化、肺炎、肺癌、肺结节、肺结核，共计 6 种疾病分类进行识别，整体识别准确率可以达到 90%以上，媲美人工识别的精度，极大减缓医务工作者的负担。