近年来,随着数字化、网络化的发展和人工智能技术的普遍应用,医疗行业已经积累了大量的数据,相应地建立起了庞大的医学数据库,为医学诊断和信息学深度交叉融合提供了良好的数据基础。胃癌是多见的消化系统疾病之一,手术是目前仅有的能治愈的方法,早期被诊断为胃癌的患者可凭借根治性手术获得较好的预后。然而,进展期胃癌患者要根据癌症分期考虑手术的必要性,再配合化疗或放疗,以延长生存时间。在对胃癌进行预后时,临床医生往往依据患者的肿瘤直径、肿瘤部位、浸润深度等因素做出判断,这对医生的临床经验有较高的要求。科学有效地评估胃癌患者的生存时间,有助于提升医学诊治水平,让患者尽快接受医治,在一定程度上能增加病人治愈的可能性并减少医疗资源的浪费。本文针对胃癌患者预后指标的特点,构建了一种基于改进深度置信网络的胃癌诊断预测模型,设计并实现了胃癌诊断预测系统,为医生提供更多有用的信息,以降低误诊漏诊的机率。论文研究的主要内容如下:首先,针对深度置信网络（Deep Belief Network,DBN）突出的处理高维数据的特性,论文采用DBN对胃癌数据进行预测分析。为了提升DBN的分类能力,将DBN的末层输出作为支持向量机（Support Vector Machine,SVM）的输入,构建一种改进的深度置信网络模型,实现对胃癌疾病生存率的预测分类。然后,从SEER数据库中下载出胃癌数据。为了使模型数据挖掘的效率有所提高,论文对原始数据预处理,得到可用于模型的标准数据集。采用网格搜索和交叉验证法对DBN-SVM模型的超参数进行优化,以获得最佳的分类效果。然后将论文所用模型与BP（Back Propagation）神经网络和决策树算法进行比较,实验结果证明DBN-SVM模型的分类性能更优。最后,针对临床医学的实际需求,在论文构建的胃癌诊断预测模型基础上,采用Java语言设计开发了胃癌诊断预测系统,为医生在临床中的诊断提供有效的信息,同时也为患者带来了更加精准的治疗。