在疾病的治疗中,医师从B超、CT等医疗图像中准确定位疾病发生的位置,一直是医学图像分析中最具挑战性的问题之一。如果将新型的人工智能算法应用于医学图像处理、疾病分类等任务中,可以在一定程度上推进智慧医疗的发展进程。因此,提升现有智能算法的分类效率可以更好的促进医学图像分类的应用。在智能算法中,膜计算中的酶数值膜系统（ENPS）属于较为重要的分支之一。酶数值膜系统的创新灵感源于细胞的生物结构以及酶对化学物质的“信息处理”过程,相比较生物中的化学物质,酶数值膜系统中的自然数是要处理的基本实体。目前的酶数值膜系统可以进行基本的算术运算,但对于复杂的数值计算就无法高效完成,例如使用酶数值膜系统从数据集中获取合适的值或找到最大或最小的元素等。本文提出一种具有酶环境的酶数值膜系统的变体——环境型酶数值膜系统,该系统可以根据外界酶的调节使数值运算更加灵活。同时,本文介绍几个并行计算框架的设计,用计算机GPU仿真酶数值膜系统和酶环境在数值计算方面的过程和结果。实验结果表明,在仿真的酶环境下,使用酶数值膜系统构建的支持向量机计算并行框架模型,在准确率不下降的情况下该算法的计算效率是传统的串行支持向量机算法的5.34倍。深度模型的蓬勃发展给人工智能和疾病诊疗结合提供了更多可能。结合人工智能算法与CT图像下胆结石的辨别定位需要大量的数据用于训练验证模型,但是目前还没有足够的胆石症和胆结石的开源CT图像数据集。因此,在本文的工作中,通过收集1369例胆石症患者的223846张CT图像,建立胆石症医学影像数据集。同时,应用于胆石症和胆结石疾病上的人工智能方法较少,因此,在已有研究的基础上,提出了一种基于疾病位置信息和YOLO神经网络YOLO V3-arch神经网络,用于CT图像中胆结石的识别和分类。实验结果表明,通过10折交叉验证获得识别和分类的准确性,能够提升胆结石识别准确率3%以上。另外,利用膜计算方法实现胆结石的分类结合胆结石CT图像的分析,可以进一步的实现胆结石的智能诊断。膜系统是一个具有平行分层和网状结构的有限、离散和分布式模型,酶数值系统是一种允许每个膜存在多个生产函数的类似酶的变量系统,在经济学和自主移动机器人控制器中得到了广泛的应用。虽然ENPS表现出了较好的数值计算能力,在决策过程中,其演化机制还不能完全表达出来,现有的膜系统在不同演化过程中对分配单元的处理能力较低。为了建立应用于胆结石疾病诊断的决策膜系统理论,使现有的ENPS更加灵活,本文提出了一种限制性酶和相应的演化机制来建立条件酶数值膜系统。结果表明,在计算机仿真的情况下,决策膜系统是能够合理有效地处理大规模的决策任务。