The present invention relates to an artificial intelligence-based capsule endoscope image reading method and system, wherein the artificial intelligence-based capsule endoscope image reading system comprises a pre-processing unit for pre-processing an image (capsule endoscope image) taken by a capsule endoscope； And a convolutional neural network (CNN) that classifies a pre-processed capsule endoscope image as an image with a lesion and an image without a lesion, and the composite product neural network (CNN) receives the pre-processed capsule endoscope image as an input. layer； A composite product layer for extracting features for the pre-processed capsule endoscope image input through the input unit； A maximum pooling layer that sub-samples the characteristics of the extracted small intestinal endoscopy image to increase stability and efficiency of the system； A global average pooling layer that replaces the fully connected layer and obtains a class activation map (CAM)； And an output layer for outputting a probability that a lesion exists and a probability value without a lesion for each capsule endoscope image. According to the present invention, it is possible to reduce the reading time of a doctor who reads a large amount of endoscope images photographed by a capsule endoscope and increase the accuracy of reading, thereby enabling quality medical treatment.본 발명은 인공지능 기반 캡슐 내시경 영상 판독 방법 및 시스템에 관한 것으로서, 인공지능 기반 캡슐 내시경 영상 판독 시스템은 캡슐 내시경에 의해 촬영된 영상(캡슐 내시경 영상)을 전처리하는 전처리부； 및 전처리된 캡슐 내시경 영상을 입력으로 하여 병변이 있는 영상과 병변이 없는 영상으로 분류하는 합성곱 신경망(CNN)을 포함하고, 상기 합성곱 신경망(CNN)은 전처리된 캡슐 내시경 영상을 입력으로 받는 입력층； 상기 입력부를 통해 입력된 전처리된 캡슐 내시경 영상에 대해 특징을 추출하는 합성곱층； 그 추출된 소장 내시경 영상의 특징을 서브 샘플링하여 시스템의 안정성과 효율성을 높이는 최대 풀링(Max pooling)층； 완전연결(Fully connected)층을 대신하며, CAM(class activation map)을 얻는 전역평균풀링(global average pooling)층； 및 캡슐 내시경 영상 각각에 대해 병변이 존재하는 확률과 병변이 존재하지 않는 확률값을 출력하는 출력층을 포함한다.본 발명에 의하면, 캡슐내시경으로 촬영된 대량의 내시경 영상을 판독하는 의사의 판독 시간을 줄이고 판독의 정확도를 높일 수 있고, 이를 통해 양질의 진료가 가능하다.
