本研究的目的是通过优化卷积神经网络的架构和损失函数，以提升其在医疗影像数据分析方面的表现。方法：选 择 LIDC-IDRI 与 BraTS 这 2 个公开数据集在肺结节检测与脑瘤分割的任务上进行实验。引入 ResNet 这样的深度网络结构 与 Dice Loss,Focal Loss 这样的损失函数相结合对模型进行优化，同时利用交叉验证与早停策略增强模型的泛化能力。结果： 经过优化的模型在 LIDC-IDRI 数据集上的准确性已经增加到 95.2%，而其敏感性和 Dice 系数分别达到了 93.5% 和 0.894； 在 BraTS 数据集上，我们成功地将准确率提高到了 94.1%，同时 Dice 系数也达到了 0.885。结论：优化 CNN 模型显著提高 病变区域检测与分割的准确性，显示出应用于医疗影像数据分析的潜能。