卷积神经网络(CNN)是一种经典而广泛应用DL模型，擅长处理图像尤其是复杂图像相关的学习问题。CNN充分挖掘高维数据中的内在结构，通过卷积来模拟特征区分，基于卷积的权值共享及池化，降低图像参数的数量级，对复杂的图像数据自发进行降维处理，减少训练参数数目，使图像学习模型对缩放、平移、扭曲在一定程度上具有不变性、较强的鲁棒性和容错能力，优化模型训练，自发地从原始图像数据中获得特征的表达[4]。CNN在DL领域是一个“端到端”

    图像分类模型，即输入原始内镜图像，输出内镜下诊断疾病类别[5]。

    2 DL技术在胃肠镜诊断中的应用

    2.1 Barrett食管

    Barrett食管是食管腺癌潜在的风险因子，绝大部分的指南均建议对可疑Barrett食管的病人进行“每隔2 cm四象限活检”[6]，然而目前异常增生病变区域活检的灵敏度仅为64%[7]。目前以DL为基础的CAD已研发用于自动识别Barrett食管及Barrett食管中癌变部位的技术。

    2015年，VAN DER SOMMEN等[8]设计了机器學习常规内镜图像下特殊纹理、颜色滤过的计算机算法 ......