随着经济社会的发展,我国已步入老龄化社会。但是与其他发达国家的老龄化现象不同的是,我国人均收入较低,且医疗保障体系尚不完善。因此如何适应老龄化的发展,为更多的老年人提供更优质的服务,已经成为我国亟待研究的重大社会课题。本文首先利用SERVQUAL模型建立影响老年医疗服务满意度的评价指标体系,在此基础上,运用深度学习中的卷积神经网络模型生成满意度评价体系各项指标的权重,然后将训练好的网络模型作为一种有效的评价工具,对训练样本集之外的样本进行准确而有效的满意度预测,从而为改进老年医疗工作提供建议。故本文针对北京市老年群体医疗满意度进行分析和预测,主要内容包括:（1）首先利用调查问卷进行数据收集,调查问卷基于SERVQUAL模型,从五个部分（有形性、可靠性、响应性、保证性、移情性）调查老年人对当前老年医疗服务的满意度,其中每项问题分别设置感受值和期望值两类,通过计算每个问题感受值和期望值之差进行满意度分析。根据调查问卷结果,构建较为全面的指标评价体系。（2）为了利用深度学习在计算机视觉上的优势,本文提出将问卷调查数据进行二维化预处理。由于问卷调查结果为一维数据,而卷积神经网络的输入数据为二维数据,因此提出利用Gramian Angular Field（GAF）将问卷调查结果的一维数据转换成二维矩阵作为卷积深度网络的输入。转换过程中,二维矩阵保留了同一份问卷各个问题之间的相关性和依赖性,从而保证了数据的完整性和一致性。（3）构建卷积神经网络预测模型。针对经典卷积神经网络VGGNet最后三层全连接层参数数量过大、容易产生过拟合的缺陷,利用全局平均池化代替全连接层,提高了模型的训练速度以及准确率。并利用模型进行实证预测和分析,为老年医疗改进提出建议。