内窥镜插管的面临的场景为人体狭窄腔道,阴暗且缺乏纹理,难以辨识,倘若能借助计算机辅助实现插管过程的智能化,将大大提高插管的效率。由此,本文以内窥镜插管作为智能医疗的应用场景,以气管插管作为主要切入点,结合深度学习技术,对实现计算机辅助医生操作的内窥镜插管决策与无人内窥镜智能插管决策进行了研究与探索,并自行采集制作了一套与本文研究工作相关的数据集。总的来说,全文主要研究工作如下:针对传统的基于三维重建的内窥镜辅助方法在实时气管插管决策等场景下使用不便的问题,提出了一种基于深度学习的端到端内窥镜辅助决策方法,设计了一套离散的内窥镜插管移动方向操作指令集,搭建网络将插管辅助决策问题映射为图像分类问题。分类网络有两个输出分支,分别完成插管过程的终点判断决策与前进方向决策。该方法在前进方向决策任务上具有较高的准确率,为96.51%,在终点判断决策任务上准确率略低,为91.25%。针对端到端方法处理决策流程的“不透明”与较低的可解释性,本文提出了一种基于目标点检测的内窥镜智能插管决策方法。该方法将整个内窥镜插管决策过程显式的分为感知和决策两部分,先通过目标点感知网络输出视频帧中的目标前进位置坐标点,再通过规则映射输出内窥镜操作决策指令。其中,目标点感知网络的输出范围为[0,459],在x轴与y轴的RMSE分别为11.237763和10.096154。为了验证之前提出的基于深度学习的端到端内窥镜辅助决策方法在实际医疗场景应用中的可能性与可行性,本文从实际需求出发,从硬件和软件两个部分入手,设计搭建了一套完整的拥有可视化用户界面的内窥镜辅助决策系统样机。样机先经过了仿真测试,以专业医生的决策结果为真值进行评估,表现出了良好的性能。随后在一位志愿者身上进行了实地测试,得到了一些反馈数据。