چکیده: امروزه سرطان به عنوان یکی از عوامل اصلی مرگ و میر در جهان شناخته شده است. عدم تشخیص سریع و به موقع برخی از بیماری ها باعث بروز سرطان می شود. یکی از شایع ترین این بیماری ها، پولیپ می باشد. پولیپ معمولاً توده های سلولی است که به صورت برآمدگی های بیضوی شکل از داخل دیواره مخاطی دستگاه گوارش قابل مشاهده است. با توجه به آنکه تشخیص پولیپ امری زمان بر می باشد، ارائه روشهای خودکار برای تشخیص این بیماری میتواند منجر به تسریع تشخیص شود. در این پژوهش ما قصد داریم با استفاده از تصاویر مربوط به دستگاه گوارش و الگوریتم های موجود در هوش مصنوعی تشخیص پولیپ را انجام دهیم. در گام اول پژوهش، ابتدا به جهت استخراج بهتر ویژگی های نیاز است تا بر روی تصاویر پیش پردازش انجام شود. به همین جهت الگوریتم برابرسازی هیستوگرام را به تصاویر اعمال می نماییم. در گام بعد، با استفاده از آستانه گذاری اقدام به شناسایی لبه های احتمالی پولیپ در تصاویر نموده و با کمک لبه ها ناحیه احتمالی مرکز پولیپ را شناسایی می نماییم. سپس با بهره گیری از توزیع گوسی اقدام به استخراج ویژگی های لازم از مرکز احتمالی پولیپ نموده و با کمک این ویژگی ها به آموزش الگوریتم یادگیری ماشین بردار پیشتیبان جهت طبقه بندی تصاویر پولیپ از تصاویر نرمال می پردازیم. در گام نهایی نیز نواحی پولیپ را در تصاویر تشخیص داده شده قطعه بندی می نماییم. بررسی های ما نشان داده است که خروجی نهایی حاصل از روش ارائه شده توانسته کلاس مربوط به پولیپ ها را با دقت ۹۹.۶ درصد درست پیش‌بینی کند. نکته‌ی حائز اهمیت در فعالیت صورت گرفته، انجام عملیات طبقه‌بندی در زمان کم است که مناسب برای کاربرد های بلادرنگ می باشد. اهمیت پیچیدگی زمانی کم زمانی مطرح می شود پزشک می تواند در زمان کمی به تحلیل پولیپ های تشخیص داده شده توسط سیستم بپردازد و براساس تحلیل خود بیمارانی که شامل توده های پولیپ پیش سرطانی می باشند را در اولیت قرار دهد. این موضوع به طور کلی باعث کاهش ابتلاد به سرطان و مرگ ومیر می شود. مواردی که زمان . زمان پاسخ دهی کوتاه به طور کلی به بدین ترتیب در این پژوهش نشان داده شد که می‌توان برای تشخیص پولیپ در تصاویر آندوسکوپی کپسول بی سیم از الگوریتم های پایه هوش مصنوعی جهت تشخیص در زمان کم و با دقت بالا استفاده نمود.