研究显示，医疗影像数据每年的增长率约为30%，而放射科医师数量的年增长率仅约为4。1%，这意味着放射科医师在未来将超负荷工作；这必将会大大降低医师的诊断效率，甚至降低诊断准确性；另外，由于医疗影像诊断对医师的诊断经验有着较高要求，而在发展水平较低的地区，经验丰富的诊断医师资源相对匮乏。
　　为在一定程度上减轻放射科医师压力，计算机辅助诊断（CAD）系统被提出。医疗影像辅助诊疗系统使用图像识别技术，主要帮助影像医生阅片，识别出病变区域，减少医生因技术欠缺等其他因素造成的误诊、漏诊等问题。近年来，深度学习发展迅猛，众多计算机视觉任务由于深度学习的兴起而快速发展。以数据驱动的深度学习模型可以通过构建医疗影像辅助诊断系统。从而快速处理大量的医疗影像数据。

脑疾病智能辅助诊断系统是一款专业的医院辅助诊断系统，其功能有医院管理，医生管理，患者管理，诊断工具(如AD诊断检测工具，脑部CT关注参数值等)等。

本系统基于J2EE企业级开发，同时在架构上采用了MVC的架构。MVC的Web表示层的实现采用SpringMvc,业务逻辑采用Spring,数据持久化采用Mybatis，通过SpringBoot快速整合为SSM架构用于开发脑疾病智能辅助诊断系统。使用Thymeleaf 开发前端Web，使用Mysql InnoDB作为后台数据库引擎管理后台数据库，在安全性方面，设计了用户表用于采用身份验证的方式，确保信息的安全性。

系统程序运行高效稳定，模块划分清晰合理，具有高度的灵活性与持续的可扩展性。