消化道肿瘤是威胁我国人民生命健康和经济社会发展的严重问题,发生癌变前的五到十年,人体组织内的一些内源性荧光物质含量会发生改变,导致这些物质受激发光照射时,会产生不同于正常组织的荧光光谱,这种现象发生于癌前病变阶段。在这一阶段诊断出癌变并及时介入治疗,相比于原位癌和浸润癌时期的治疗,癌症的存活率能提高20%至50%。自体荧光成像技术能无创无损的检测出癌前病变,因其操作难度小、使用成本低,且使用范围广,成为该领域的热点技术被广泛研究。现有的自体荧光检测系统存在如下问题和缺点:为保证生物体组织受激发后产生的荧光强度,激发光源的功率密度应大于0.1mJ/cm~2,大功率光源的光热占比均在1/4至1/3的范围,满足光功率条件的光源会存在热功率高的问题,容易对生物体组织造成损伤,因此自体荧光光源的散热问题亟待解决。自体荧光的图像质量尤其是其颜色特征对诊断结果有重要影响,荧光内窥镜所使用的CMOS图像采集系统,输出RAW格式数据,其颜色复原的关键在于插值算法,而现有算法没有突出自体荧光图像的颜色特征,不适合直接应用于自体荧光系统,有待改进。一次内窥镜检测会产生大量图片,人工从中筛查病变图像耗费大量时间,且依赖于检察人员的经验和技术,因此需要为自体荧光系统设计病变识别方案来解决上述问题。现有自体荧光癌前病变检测的方法有光谱法和图像法,荧光光谱法会增加系统的成本和结构复杂性,不如图像法直观、精确,无法进行推广,而图像法主观性强,依赖于医务人员经验,因此应用于自体荧光系统的智能病变诊断算法有待开发。本文针对上述三个问题,研究了激发光照射生物体组织使其发出自体荧光的机理,设计出一套自体荧光成像系统,完成了系统集成与组装,在此基础上,对激发光源的驱动和散热、荧光图像插值算法及荧光图像分类这三个关键技术进行深入研究。本文选择中心波长为365nm、功率1450mW的UVLED作为激发光源,对其电气特性和温度特性进行分析,研究UVLED的散热方法,为其设计了包括恒流驱动、使用铝基板、外部散热器在内的措施,在保证激发光功率满足需求的情况下,将其稳定工作时的结温从70℃成功降到26.1℃。对于CMOS图像传感器输出的贝尔格式图像,基于双线性插值算法和边缘导向插值算法,分析自体荧光图像的颜色特征,制定了着重恢复红蓝两通道的优化方案,充分突出自体荧光图片的颜色特点。实验表明,使用此算法恢复的图片,R和B通道的PSNR值高于其它常用算法,达到约38,恢复效果好,且适用于自体荧光系统。本文选择支持向量机模型来对自体荧光图像进行分类,在HSV颜色空间进行图像特征提取,分别使用手动提取颜色特征和自动提取特征的方式,训练SVM模型,实验表明,病变检出率最高达到0.8249,分类效果好。