随着21世纪全球软硬件研发能力的飞速提升,由此诞生的各式各类医学影像设备逐步被各大医院所引进,如今的医疗患者们在治疗过程中所接触到的医学影像为临床医生诊断疾病和确定治疗方案提供了重要依据,常见的医学影像辅助检测系统如CT（电子计算机断层扫描）、PET（正电子发射型计算机断层显像）、MRI（核磁共振成像）、US（超声成像）等,其显著的提高了临床医生治疗效率,节约了诊疗时间成本。然而,医学影像领域发展迅速,也带来了许多令人困扰的问题,首先,医学影像观察总结需要影像医师具有大量的经验以及专业知识,这无疑是增加了临床医生的学习成本。其次,即使对于经验和知识都非常丰富的医师来说,面对大数量的医学影像的查阅、诊断和报告撰写是非常耗时的,这也增加了临床医生的时间成本。针对上述问题,结合日益活跃群体智能领域的研究与应用,本文提出与实现了一个基于众包思想与原则的医学影像标注及分析系统,主要工作内容如下:（1）实现了一套基于众包机制的医学影像标注方案。本系统融合了众包任务机制和医疗影像的标注及诊断特性,搭建了一个支持医学影像数字化获取、分片存储、众包标注等功能的应用系统平台。（2）制定了“基于角色的权限管理”机制。本系统的权限控制均基于用户的角色,资源的访问权限包与角色所关联,用户具备某角色,也就相应具备了该角色所关联的权限,使得用户、角色和系统权限两两解耦,权限配置和角色配置均具备一定的可重用性。（3）探索了机器学习领域中运用Tensor Flow或者Pytorch导出模型进行医学影像智能诊断,同时支持任务结果导出,支持线下机器学习模型训练。