咽部是人体的重要器官之一,病毒进入口腔时会导致咽部感染,也会因外界因素引起外伤,严重时会威胁到患者的生命,所以咽部医学检查非常重要。因患者咽部不适造成的检查不配合,或医务人员疲惫误判,致使耽误治疗或误诊。为了有效解决这一问题,本文开发咽部图像采集仪及其图像辅助诊断系统,该设备通过手持操作对患者咽部进行摄像或拍照,数据通过无线网络传输,可即时由专业口腔医生进行远程会诊,也可将数据传到云端服务器,通过机器学习对患者咽部图像进行识别,辅助医务人员更加迅速和准确的判断病情。基于以上思路,本文研究内容如下:（1）咽部图像采集仪的研制。根据咽部图像采集要求,结合产品受众分析,确定了咽部图像采集仪结构紧凑、便于携带的总体设计思路,对图像传感器、照明光源以及主控芯片等进行了分析选型,确定了数据传输模式。（2）针对咽部图像存在的过曝光区域检测,采用基于HSI颜色空间的自适应分割算法,使过曝光区域能充分分割出来。在HSI颜色空间中,对分量S和I使用自适应分割能将过曝光区域检测出来,通过填充修复得到修正图像。最后对图像进行质量评估,结果表明,该算法对过曝光区域的纹理、颜色等信息的修复具有可靠性和有效性。（3）针对咽部图像的欠曝光区域检测,提出一种基于HSV颜色空间的多尺度Retinex改进算法,对图像前曝光区域纹理、颜色信息进行修复。对欠曝光图像进行图像质量评估实验,结果表明:本算法能够在有效保留色调一致的条件下,提高了图像的明度和饱和度,证明了本文算法的有效性。（4）基于深度学习的咽部采集仪图像辅助诊断模型,该模型由三个相同神经网络子模型和一个Bagging融合模型组成。其包含5层卷积层和池化层,每个卷积层之后均进行归一化,经过最终池化层后,输出一维向量。运用Bagging将三个模型输出进行特征融合。最后通过实验验证,得到咽部病灶识别准确率为93.25%,证明了本模型的有效性。