背景胃癌（gastric cancer,GC）在全球发病率中排名第5,在死亡率中排名第4。早期胃癌（early gastric cancer,EGC）通过内镜下切除术即能达到很好的治疗效果,术后5年生存率可达95%,远远高于进展期胃癌（advanced gastric cancer,AGC）。因此,GC的早期发现、早期诊断和早期治疗是降低GC死亡率的重要措施。内镜检查是筛查GC的重要方式,白光成像（white light imaging,WLI）下的EGC黏膜变化并不明显,常导致漏诊。更先进的窄带成像（narrow band imaging,NBI）等图像增强内镜技术需要设备和有经验医生的支持。在计算机技术飞速发展的当下,人工智能（artificial intelligence,AI）在医疗领域被广泛应用,计算机视觉结合医学影像学成为重点关注方向,AI已被证明在诊断分析EGC方面具有潜力。相比于传统的机器学习,深度学习在图像特征提取上具有显著的效果。卷积神经网络（convolutional neural networks,CNN）作为深度学习的代表分支,在继承其突出检测效果的同时,也继承了其参数规模大、网络运算效率低、硬件要求高的局限性。Mask R-CNN在Faster R-CNN网络框架的基础上拓展,加入Mask分支,兼顾了图像识别的准确度、精度和速度,在多领域表现了其优秀的检测性能。目的基于Mask R-CNN开发一种具有WLI和NBI双模式的内镜下自动检测EGC系统,分别在图像和视频数据集中测试Mask R-CNN系统的性能,并将Mask R-CNN的表现与内镜医生进行对比,评价其在临床应用的潜力。方法首先从安徽医科大学第一附属医院获得7869张WLI图像和3852张NBI图像,按照一定的比例分为模型的训练集、验证集、图像测试集和医生对比测试集,并将Mask R-CNN在静态测试集上的表现与病理学金标准或医生诊断结果进行比较。另外前瞻性实时采集若干个视频并测速,直至视频测试集中有10个WLI视频和10个NBI视频包含EGC病变,用于Mask R-CNN模型的动态性能测试。诊断能力主要以准确率、敏感性、特异性、阳性预测值（positive predict value,PPV）和阴性预测值（negative predictive value,NPV）进行评估。结果Mask R-CNN诊断WLI图像中EGC的准确率为89.90%,敏感性为92.00%,特异性为89.20%。诊断NBI图像中EGC的准确率为84.80%,敏感性为98.25%,特异性为81.00%。两种模式下图像诊断结果与病理学诊断一致性较好。Mask R-CNN实时采集视频并检测EGC的速度可满足最高35帧/s视频的使用。在WLI视频中诊断EGC的准确率为89.21%,而在NBI视频中的准确率为84.87%。在与医生的对比实验中,Mask R-CNN识别WLI下EGC的总体准确率90.25%和特异性91.67%明显优于所有组别医生,敏感性86.00%与高年资组医生相当。而NBI下的EGC诊断准确率87.00%和敏感性96.00%不亚于高年资医生,特异性78.00%与三组医生相似。结论在WLI和NBI双模式下,Mask R-CNN表现了其在静态图像、动态视频中检测EGC的优秀性能,弥补了现阶段相关AI模型的功能不完善,在实际临床应用中有较大潜力。