随着智能医疗影像技术逐步在临床使用,基于交互式分割的智能辅助肺结节筛查能够缓解影像科医生的工作压力,改变医生在重复、单调的阅片工作中容易出现疲劳、漏诊等现象。还可辅助医生提供精确的定量分析,降低阅片主观性,提高医生对肺结节诊断的一致性。对提升医疗服务效率和建设精准医疗服务体系具有重要借鉴和示范作用。在云PACS系统将成为未来发展方向的背景下,通过走访重庆两家三甲医院,实地调研影像科医生需求后,设计和实现了基于B/S模式的肺结节交互式分割系统,系统能在医生较少交互的前提下,提供较高分割精度的体验,显著减轻医生肺结节分割负担。本文主要工作如下:（1）对肺结节交互式分割系统进行了总体需求分析、功能需求分析和非功能需求分析,完成了系统的架构设计,系统功能模块和数据库的设计。（2）针对云端DICOM影像文件如何存储、传输和管理,以及浏览器端如何解析浏览DICOM影像等问题,通过分析DICOM3.0标准和标准中定义的DIOCM Web Service接口,使用Django、Nginx、Cornerstone、Vue.js、Element-UI等技术,实现了医疗影像文件传输、存储、管理和阅片等功能模块。（3）针对影像科医生阅片工作繁重,肺结节分割耗时的问题,对肺结节交互式分割算法进行了分析,在影像阅片子系统中,集成了基于DEXTR模型的肺结节交互式分割算法,实现了前端的操作界面和后端的调用接口。（4）对深度学习模型线上难以部署的问题,分析了常用深度学习模型线上部署方式,提出了基于Triton Inference Server的后端AI推理解决方案,实现了基于Triton的AI模型线上部署和管理功能。（5）对设计和实现的肺结节交互式分割系统,进行了Docker容器化和性能优化实践。经过详尽的系统功能测试和性能测试,结果表明,本文设计和实现的肺结节交互式分割系统能满足医生阅片和肺结节分割需求,为未来医院信息系统云化提供了相关基础实践。同时能打破数据壁垒,构建区域级的医联体,对基层医院有设备无专业医生的困境,提供了很好的解决方案。系统还提供了对肺结节属性信息标注的支持,对快速构建高质量肺结节数据集有很好的适应性。