结直肠癌作为我国高发的癌症之一,其发生与结直肠息肉密切相关。结直肠息肉是一种常见的肠道疾病,结肠镜检查是目前最有效、最安全的检查方法。但由于其工作强度大,医师肉眼观察探测结果非常依赖于自身经验,而且息肉的检出率也受医师疲劳度等因素的影响,故存在一定程度的息肉漏检情况。针对结肠镜人工检查的不足,特别是随着深度学习算法的出现,结肠镜检查的计算机辅助诊断正在成为现实。该方法可以实时检测并提示医师注意可能被忽略的息肉,从而提高检出率。因此,本课题以肠镜息肉为研究对象,旨在开发出一套基于深度学习的便携式肠镜息肉实时定位系统。本文的主要工作如下:(1)研究了目前常用的三种基于卷积神经网络的目标检测算法Faster RCNN、SSD和YOLOv3在肠镜息肉图像上的性能表现,并通过实验对准确率、特异性和敏感性等多个指标进行了评估,分析了三个网络在肠镜息肉图像检测上的性能差异。实验结果表明,SSD的检测速度最快,但是在小目标检测性能上较差。(2)采用了SSD多尺度预测的思想,设计了一种高精度的I＿SSD检测算法。一方面使用多种inception模块代替SSD基础特征提取网络结构中的传统卷积层,从而增强网络的深度特征提取能力;另一方面,根据息肉的形状特点调整SSD中锚点框的尺度并优化了小尺度对应锚点框的生成数量。实验表明,改进后的I＿SSD检测算法明显提升了检测精度,且检测速度为31FPS,可较好满足实时检测的需求。(3)设计了基于I＿SSD的肠镜息肉图像实时定位系统,并通过Jetson TX2嵌入式平台进行实现。实现了从医院的Olympus CV-290电子内镜探测设备中获取输入信号,经过视频格式转换卡连接到Jetson TX2开发板,将训练好的I＿SSD网络模型移植到Jetson TX2嵌入式平台,通过系统开发与调试实现了便携式的肠镜息肉图像实时检测和跟踪显示。经过实验测试,所开发的基于I＿SSD模型的肠镜息肉图像定位系统可以实时检测肠镜息肉图像,系统的正确率达到了96%,实现了对结肠镜下息肉的精确定位,可以为医师的进一步诊断提供参考。