在非传染性疾病中,癌症的发病率与致死率均高居前列,极大的危害了人们的生命健康。目前我国已经成为全球结直肠癌新发病例与死亡病例数量最多的国家。近年来,随着神经网络在不同应用领域的广泛研究与快速发展,将神经网络应用至医疗影像分析也逐渐成为趋势。运用神经网络辅助医师诊断肠道影像,能够提高诊治效率,降低漏诊率,消除主观因素带来的诊断差异。通过对肠炎与肠息肉的诊断与防治,能够极大降低癌变风险。因此,利用神经网络快速并准确地判别炎症类型、定位息肉病灶对于结直肠癌的防治具有应用价值与意义。因此,本文设计与实现了基于轻量化忆阻神经网络的肠道影像诊断系统。旨在通过系统直观、快速地对肠道病症类型与病灶区域进行确定。本文研究内容如下:首先,针对项目中的肠炎影像数据存在的无统一标签及规范、存在患者敏感信息、数据数量不足等问题,本文中对合作医院提供的数据进行脱敏处理,设置统一标签,利用数据增强方法扩充数据,构建规范化的影像数据集。然后,结合轻量级神经网络设计思路,提出了用于肠炎分类的轻量级卷积神经网络以及轻量级胶囊网络,并对比不同结构下模型性能;进一步,根据实际应用场景,建立了鲁棒性测试数据集,验证了网络的泛化性能,证明了本文设计的网络模型在分类任务中的可靠性。最后,结合可视化分析以及忆阻交叉阵列设计,能够有效定位炎症区域并为加速网络诊断提供可行性方案。然后,针对息肉数据集样本不足的问题,采用多种维度的数据增强方法,对肠道息肉影像及标签数据进行处理。进一步,针对息肉分割任务相关性能指标不足,无法准确分割息肉病灶这一问题,设计了基于注意力机制的轻量级语义分割网络,一方面,对比不同注意力机制对于任务的性能差异,另一方面,探究了不同通道对于性能的整体影响。此外,本文中还利用跨数据集验证方法,量化模型的泛化性以及分割性能,确保息肉分割任务的准确性,可靠性。最后通过可视化分析、叠加预测区域,以更直观的方式展示病灶预测位置。最后,为进一步提高网络实用性,扩大应用范围,本文设计并实现了基于神经网络的肠道影像诊断系统,通过系统内便捷交互操作,可直观地使用神经网络预测分析病片,获取肠炎的判别与定位结果及息肉的定位结果。系统将有效提升辅助诊断效率。本文设计了多种轻量级神经网络,并建立多个高质量的肠道影像数据集,可实现对肠道影像中的炎症类型与息肉病灶高效性预测。设计开发了计算机辅助诊断系统,有效降低学习及使用成本,提高诊断效率,具有研究意义与应用价值。