胃镜检查是发现胃部可疑病灶、实施胃癌筛查和早期诊断的重要手段。不同等级医疗机构的胃癌筛查能力存在较大差异,基层医疗机构的胃癌筛查水平相对较低,导致胃癌早期诊断的敏感性在全球范围内长期处于较低水平,胃镜报告辅助分析系统是解决该问题的关键。因此,对胃癌筛查智能辅助决策方法的研究具有重大的理论意义与实践价值。本文围绕现有胃癌筛查智能辅助决策方法面临的非结构化胃镜报告文本处理困难、易过拟合、胃癌误诊与漏诊的负面影响非均等的问题,提出一种基于同质集成学习的胃癌筛查智能辅助决策方法Endo-GCS;在此基础上,考虑到Endo-GCS方法依赖手工特征构造、无法处理多模态医学数据、诊断缺乏可解释性等问题,提出一种基于多模语义融合的胃癌筛查智能辅助决策方法ID-GCS。本文具体研究内容和创新点如下:(1)提出了一种基于同质集成学习的胃癌筛查智能辅助决策方法Endo-GCS,构建了递进式局部权重求解算法PLWA,设计了分类阈值最优估计算法OTEA,用于提升Endo-GCS方法对胃癌筛查的特异性和敏感性。最后使用真实的胃镜检查报告开展对比实验,验证Endo-GCS方法对胃癌筛查效率与敏感性的提升。(2)提出了一种基于多模语义融合的胃癌筛查智能辅助决策方法ID-GCS,构建了胃镜图像语义抽取网络GCSNet和胃镜报告文本语义抽取网络TextGCS,设计了多模语义融合方法并融合了多模态医学数据的语义表示。使用真实的胃镜检查报告和胃镜图像数据进行对比实验以验证ID-GCS的胃癌筛查性能,并进行语义可视化以突显其可解释性。