机器人内镜系统是体内复杂结构检查的一种微创选择，可满足人们对精准医疗的日益增长的需求，临床应用正在迅速扩大。该系统能进行相关测量工作，如测量WCE走过的距离，从而确定胃肠道病变的位置；测量病灶大小等。Iakovidis等[14]研究了使用基于深度卷积神经网络(deep convolutional neural networks， DCCN)的计算机视觉方法进行非接触测量的可行性。他们将深度卷积图像配准方法和多层前馈神经网络集成到一新的系统中，使系统具有了如下主要优点：①因不受特定模型的约束，故通用性更好；②对非刚性变形更有优势；③适用于大多数内镜系统及环境，同时测量准确性更高。该系统已在体外经使用一种幽灵实验模型和一个机器人辅助试验台进行性能评价。研究获得的初步成果喜人，有望在内镜领域得到广泛应用。

    CNN在执行不同的计算机视觉任务中都表现出有令人印象深刻的优异性能。Fan等[15]提出了一种基于深度学习模式的计算机辅助检测方法，用于WCE图像中小肠溃疡和糜烂的检测。与传统的学习模式相比，深度学习模式可直接从海量的数据中提取图像特征，从而提高识别的准确度和效率。他们开发的检测方法包括图像裁剪和图像压缩 ......