1.一种能够自动识别和表征医学图像中的小肠病变的计算机实现的方法，包括：
2.根据权利要求1所述的方法，其中，所述医学图像是内窥镜图像。
3.根据权利要求1所述的方法，其中，所述预训练在优化循环中迭代地运行。
4.根据权利要求1所述的方法，其中，所述分类网络体系结构包括至少两个块，每个块具有密集连接层随后是丢弃层。
5.根据权利要求1和4所述的方法，其中，所述分类组件的最后一个块包括批量归一化层随后是密集连接层，所述密集连接层的深度尺寸等于想要分类的病变类型的数目。
6.根据权利要求1所述的方法，其中，所述预训练神经网络的组是以下各项的最佳执行：vgg16、inceptionv3、xception、efficientnetb5、efficientnetb7、resnet50或resnet125。
7.根据权利要求1和6所述的方法，其中，所述最佳执行的体系结构是基于总体精度和f1指标来选择的。
8.根据权利要求1和6所述的方法，其中，所述最佳执行的体系结构的所述训练包括从4096开始并减半直到512的顺序的二到四个密集连接层。
9.根据权利要求1、6和8所述的方法，其中，在最佳执行的网络的最后两层之间存在0.1丢弃速度的丢弃层。
10.根据权利要求1所述的方法，其中，所述图像的训练包括划分为一个或多个患者专属份以进行优化训练。
11.根据权利要求1和10所述的方法，其中，所述图像的所述训练包括10％-90％的训练与验证的比率。
12.根据权利要求1和11所述的方法，其中，病变的分类根据它们的出血潜在性如正常、淋巴管扩张、黄瘤、糜烂、出血点、溃疡、鼓包、血管和血液。
13.根据权利要求1所述的方法，其中，所述第三方验证是通过用户输入来完成的。
14.根据权利要求1和13所述的方法，其中，所述训练数据集包括所述存储组件中通过顺序地执行所述方法的所述步骤而预测的图像。
15.一种包括指令的便携式内窥镜设备，所述指令在由处理器执行时使得所述计算机执行权利要求1-14所述的方法的所述步骤。