胶囊内窥镜是一种重要的医学诊断工具,它本质是一个微型摄像机,医生通过拍摄的图像进行疾病诊断。但是在进行检查过程中,会存在一些问题。患者吞服胶囊后,患者和医生不能马上离开,因为胶囊可能滞留在胃部,所以需要医生确保胶囊进入小肠后患者才可离开,这个时间可能长达两小时。同时医生需要人工监测胶囊位置,记录胶囊进入小肠时间,显然对于医生来说这是一个枯燥的工作。另外,胶囊内镜会拍摄数万张图像,医生需要逐一阅读每张图像进行诊断,工作量极大且耗时很长,容易疲劳,会增加漏诊和误诊的概率。因此实现计算机自动监测胶囊位置情况和疾病的自动诊断,就能大幅降低医生的工作量,对于疾病的及时发现和治疗也具有积极的意义。在本篇论文中,我们对上述问题分别进行了研究。第一,我们提出了一种胶囊位置监测算法,该算法由分类网络和分界点判定算法两部分组成,分类网络负责识别消化道图像中的胃和小肠,分界点判定算法则根据网络识别结果判定胶囊位置并找出胶囊进入小肠时的图像,同时我们的胶囊位置检测算法在115位临床患者的完整胶囊检查数据上取得了很好的实验效果和指标。第二,针对小肠钩虫疾病,我们提出了一种基于YOLOv3的钩虫检测算法,算法由YOLOv3检测网络,钩虫-干扰再分类网络和纠错算法组成,我们的钩虫检测算法在完整的临床数据中取得了良好的实验结果。第三,我们对小肠出血疾病的自动识别进行了实验研究,与胶囊位置监测算法类似,沿用了同样的分类网络结构,同时设计了出血点判定算法,最终在临床数据上取得了很好的实验结果。