目的:传统食管胃十二指肠镜（C-EGD）筛查有症状的门诊患者的胃部疾病昂贵且患者依从性较差。我们的目的是探讨在拒绝接受C-EGD的有症状门诊患者中,应用磁控胶囊胃镜（MCCG）作为初筛手段的效能和安全性。方法:我们对2014年1月至2019年10月有症状且存在胃镜检查指征的共76794例门诊患者进行了回顾性研究,通过倾向性匹配法分析了共2318例有症状患者（F/M=1064/1254）的MCCG与C-EGD匹配组各个阳性结果的检出率,以探讨MCCG在有症状且拒绝C-EGD患者中的应用价值。结果:MCCG总体胃部病变的检出率与C-EGD具有可比性,在腹胀、消化道出血中具有一定优势。通过MCCG在功能性消化不良患者胃溃疡检出率为8.14%;具有反酸、烧心的患者中,食管炎和巴雷特食管的检出率高于其他症状组（P<0.01）;腹痛,腹胀,反酸烧心,随访和出血的胃溃疡检出率在统计学上有差异（P=0.015）;有症状患者的胃溃疡总检出率为9.7%。通过MCCG共计检出7例消化道恶性肿瘤。在31例可疑的小肠出血病例中,通过MCCG的获得临床有意义小肠诊断率为54.8%（17/31）。在2318例有症状拒绝C-EGD从而行MCCG检查的患者中,两周的随访中无一人发生胶囊滞留。结论:MCCG具有良好的耐受性,安全性,技术上的可行性,并且具有较高的诊断率。MCCG在胃部局灶性病变的总体诊断率与C-EGD相当。MCCG可对既往C-EGD阴性且拒绝重复C-EGD检查的患者进行补充诊断,提示MCCG在门诊例行常规监测和随访中可以发挥重要作用。目的:我国是消化系统疾病发病大国,深度学习模型中卷积神经网络（convolutional neural networks,CNNs）凭借其出色的图像特征提取性能备受学界关注,本课题旨在基于我中心多年积累的海量内镜图片,将CNN应用于胶囊内镜图片以训练可靠、迅速的智能辅助阅片系统,拟大幅降低内镜医师阅片时间,实现及危急重症患者及时的定位诊断,从而提早干预以期改善患者预后。方法:本研究应用上海交通大学医学院附属瑞金医院消化内科内镜中心数据库收集自2007年8月至2019年7月至上海交通大学附属瑞金医院就诊共1015名OGIB患者及1373名非OGIB就诊患者数据进行模型训练,前瞻性纳入自2020年2月至2020年7月至上海交通大学附属瑞金医院就诊的所有因可疑小肠出血就诊拟行胶囊内镜检查的患者作为验证组。我们训练了基于Res Net50开发的深度卷积神经网络（CNN）系统,计算模型灵敏度、特异度和准确度。分两个阶段验证,第一阶段采用了单张静态图像对于CNN模型的诊断性能进行初步分析并固定模型,第二阶段前瞻性纳入符合入组条件的个体患者的完整影像进行分析。结果:基于深度学习的系统在区分出血小肠内镜图像和非病变（包含粘液、气泡、胆汁等）图像这一任务,在不同PS值下均达到了95%以上的准确度。PS值取0.6时,模型灵敏度为98.46%,特异度为95.83%,准确度为96.04%,仅错误地判断了一张阳性图片为阴性。结论:基于深度学习的系统在区分出血小肠内镜图像和非病变（包含粘液、气泡、胆汁等）较传统可疑血液指示器（SBI,suspected blood indicator）检测性能有优势,单张静态图像验证的结果显示,在不同截止值下CNN模型均达到了非常理想的灵敏度,证明本模型具有较强的临床实用价值,且对小肠出血有较好的筛查价值。