В исследовании представлен инновационный метод обнаружения аномалий для интеллектуальной капсульной эндоскопии, основанный на принципах семантической связи. Авторы предлагают алгоритм глубокого обучения, который использует сходство признаков между полученными изображениями и эталонным (нормальным) изображением в качестве метрики для выявления патологий. Методология включает тестирование на клиническом наборе данных изображений, захваченных капсулой, в сочетании с симуляцией внутрителесного канала связи. Результаты показывают, что при снижении мощности передачи до 60% от стандартного уровня (QPSK) и интенсивности освещения до 65%, вероятность обнаружения аномалий сохраняется на уровне выше 85%. Применение данного подхода позволяет потенциально увеличить срок службы батареи имплантируемого устройства более чем на 43%. Это исследование имеет критическое значение для создания долговечных и эффективных систем мониторинга внутри организма, снижая энергопотребление без потери диагностической точности.