全球统计数据显示,恶性脑肿瘤已成为严重威胁人类生命健康和预后情况的疾病之一,新增患病人数在全年龄段中都呈现了逐年上升的趋势。脑肿瘤的常规诊断方法为影像学检查和组织活检,虽然到目前为止,组织活检或病理学检查仍为临床上诊断肿瘤的金标准,但基于组织活检的病理学检查仍存在诸多限制,磁共振成像技术（MRI）可以详细清晰地显示人体结构,是脑肿瘤的标准成像方法之一,在身体其他部位肿瘤中也有越来越多的应用。磁共振成像结合影像学等无创检测方法在肿瘤的诊断、治疗方案选择和治疗监测过程中起着关键作用。例如,磁共振波谱提供的代谢物相对浓度信息可作为脑肿瘤早期诊断的有力依据。随着MRI扫描得到的信息越来越复杂,临床医生很难在没有额外的决策支持系统的情况下,对多模态影像数据直接进行分析,从而导致诊断效率和准确率下降。同时,复杂的多模态信息也使科研人员的数据筛选工作日益繁琐。因此,随着人工智能技术的飞速发展,本课题将多模态影像数据的存储、预处理和分析集成一套自动化的脑肿瘤临床决策支持系统,并为临床医生开发用户友好的使用界面,可以极大减轻医生的负担,促进医疗资源更好分配,缓解医疗资源紧张的现状。本课题收集了来自南京医科大学附属儿童医院和南京大学附属鼓楼医院的多模态磁共振影像数据,设计了基于多模态磁共振影像的脑肿瘤I-Doctor临床决策支持系统的原型。I-Doctor系统可以为医生提供规范的自动化数据分析流程,实时提供脑肿瘤初步分类结果。其主要功能包含以下几个部分:（1）收集被试信息。本课题获取的病例以脑肿瘤为主,数据的形式包括临床信息、认知量表、磁共振成像、磁共振波谱及其后处理文件。（2）建立数据存储库。本系统为不同格式的数据提供了上传管理功能,并设计了自动提取模块。结合前端界面,系统针对磁共振图像、波谱后处理文件提供了图像显示和质量控制功能。（3）对常见脑肿瘤进行分类预测。本系统采用经典机器学习和深度学习的方法,对儿童和成人常见脑肿瘤进行分类预测,最终生成智能报告供用户浏览并接收反馈。本课题基于多模态磁共振影像数据将数据存储、预处理和分析集成一套自动化的辅助诊断系统（Decision support system,DSS）,提高了影像科医生的阅片和脑肿瘤临床诊断效率。本课题设计的脑肿瘤I-Doctor临床决策支持系统,将作为未来大型脑肿瘤智能诊断系统的设计原型,其中包含的模块化设计知识反馈结构,也为未来的数据扩增和模块迭代提供了进一步支持。