La endoscopia es un método clínico comúnmente utilizado para trastornos gastrointestinales. Sin embargo, la complejidad del entorno gastrointestinal puede llevar a artefactos. En consecuencia, los artefactos afectan la percepción visual de las imágenes capturadas durante las exploraciones endoscópicas. Los métodos existentes para evaluar la calidad de la imagen sin visualización de referencia presentan limitaciones: algunos son específicos de artefactos, mientras que otros son poco interpretables. Este estudio presenta una mejorada red neuronal convolucional (CNN) basada en regiones en cascada para detectar artefactos gastrointestinales y evaluar cuantitativamente la calidad de las imágenes endoscópicas. Este método detecta ocho artefactos en imágenes endoscópicas y proporciona su localización, clasificación y puntuaciones de confianza; estas puntuaciones representan los resultados de evaluación de la calidad de la imagen. El componente de detección de artefactos de este método mejora la estructura de la pirámide de características, incorpora el mecanismo de atención de canales en el proceso de extracción de características y combina características superficiales y profundas para mejorar la utilización de la información espacial. Los resultados de detección se utilizan además para la evaluación de la calidad de la imagen. Los resultados experimentales utilizando imágenes de luz blanca, imágenes de banda estrecha e imágenes teñidas con yodo demuestran que el método propuesto de detección de artefactos logró la mayor precisión promedio (62.4% con un umbral de 50% de IOU). En comparación con las redes típicas, la precisión de este algoritmo se mejora. Además, tres clínicos validaron que el método propuesto de evaluación de calidad de imagen basado en la detección de artefactos de endoscopia logra un coeficiente de correlación del 60.71%.