在中国白血病的死亡率在恶性肿瘤死亡率中排行第八。其中,我国儿童急性白血病的5年生存率仅为57.7%,而最高的芬兰5年生存率可以达到95.2%。因此白血病的诊断和预防极其重要。白血病的诊断最常见的手段就是血液检查,包含外周血涂片和骨髓涂片等。将获取到的样本送至病理实验室通过瑞氏-吉萨姆（Wright-Giemsa）染色,由病理医生观察切片的血细胞种类和数量进行分析诊断。但是,血细胞的种类很多,血液涂片中存在的大量细胞需要通过病理医生人工完成,整个诊断过程对病理医生要求极为严格,而且诊断结果存在一定主观性。随着计算机的高速发展,使得计算机辅助诊断成为可能。在解放人工成本的同时减少了人工产生的主观性。本文的研究对象是血液涂片中的细胞,致力于开发一套血液涂片计算机辅助诊断系统。根据血液涂片图像中细胞的染色等特点,本文使用先分割后分类的框架完成血液涂片中的细胞的自动定位和识别。在血液涂片图像中,先进行图像预处理使得图像的明度一致,然后采用颜色去卷积提取细胞核通道,接着使用基于分水岭的分割方法完成图像中的细胞分割,最后对于分割结果进行后处理,去除分割出来的伪细胞。基于该分割方法本文在实验中的不同数据集上得到了98%的f1均值。在得到分割的细胞小图像后进行细胞识别分类,本文构建了基于卷积神经网络的WBC＿nets模型（WBC,white blood cell,白细胞）,采用Focal loss作为损失函数在不平衡的数据集上取得了很好的分类效果。采用公开数据集和实际血液涂片数据等都达到了较高的f1均值。其中在LANDING数据集中,五分类的f1均值为94.39%。本文提出了一种血液涂片辅助诊断系统,对输入的数字化涂片图像进行自动定位和识别,最后统计可视化,通过完整数字化血液涂片图像的识别数据证明了该系统在自动定位识别上有很高的实用价值,并罗列了之后可能的几个研究方向。