摘要：膠囊內(nèi)鏡廣泛地應用于整個胃腸道非侵入式檢測,但得到的海量圖片的處理已經(jīng)成為這一檢測技術(shù)發(fā)展的瓶頸。基于卷積神經(jīng)網(wǎng)絡(luò)的計算機輔助系統(tǒng)是解決這一問題的有效途徑。選取最近4年基于卷積神經(jīng)網(wǎng)絡(luò)的內(nèi)鏡圖像處理文獻,分別從卷積神經(jīng)網(wǎng)絡(luò)的作用以及針對內(nèi)鏡圖像的網(wǎng)絡(luò)結(jié)構(gòu)調(diào)整兩方面展開分析。深度學習方法在內(nèi)鏡圖像處理領(lǐng)域的發(fā)展方向主要為大規(guī)模內(nèi)鏡圖像數(shù)據(jù)庫建立、遷移學習方法、多網(wǎng)絡(luò)融合以及先進網(wǎng)絡(luò)結(jié)構(gòu)。由于有效樣本數(shù)據(jù)匱乏和樣本多樣性不足無法近期解決,基于深度學習的內(nèi)鏡圖像處理研究重點將為遷移學習以及數(shù)據(jù)與先驗知識的融合研究。