白血病是十大恶性肿瘤疾病之一,在各类白血病中发病率最高且死亡率偏高的是急性髓系白血病(acute myeloid leukemia,AML)。AML起源于骨髓,骨髓是人体重要的造血器官,其造血功能对于维持生命至关重要,检查骨髓细胞形态以及数量分析有助于AML的诊断和鉴别。传统的人工镜检方法耗时较长严重耽误治疗时间,而且结果极易受到个人专业程度和主观性的影响。使用计算机图像分析与人工智能技术能够对骨髓显微图像进行细胞的分割、检测识别以及计数,实现规范化、标准化的骨髓细胞图像数字病理辅助诊断,克服只依赖人工镜检方法而存在的问题,对于提高AML临床诊断的水平和效率具有重大意义。目前,要实现AML的数字化辅助诊断,需要解决对骨髓细胞图像中的细胞定位识别并计数的关键性技术,主要存在以下问题:1)骨髓细胞图像的背景区域比较复杂,使得个体细胞的分割与检测变得困难;2)骨髓显微图像中的骨髓细胞种类繁杂,各类细胞形状各异但又存在相似性,类别区分困难。本文围绕基于骨髓细胞图像的AML辅助诊断方法,主要做了如下工作:(1)提出一种基于形态特征的个体细胞检测方法。采用K-means聚类与区域连通性分析对细胞核进行快速分割和区域判断,针对聚类方法对细胞核区域过分割问题,建立个体细胞区域判定和优化建模,并基于区域连通性进行细胞质区域搜索,推断个体细胞的完整轮廓,实现个体细胞的检测。实验结果证明对形态复杂的粒细胞具有较好的个体细胞检测效果。(2)提出一种基于CNN的骨髓细胞检测方法。在具有多个骨髓细胞的显微图像上对细胞进行定位检测与分类识别。基于聚类设计的锚点(anchor)在多尺度检测网络上预测目标,改进的UIoU算法缓解了标注数据存在误差的影响,利用级联分类器对相似性细胞进行类别确定提高了细胞分类准确率。实验结果证明提出的检测方法比其他方法具有更优的定位和分类性能。(3)设计并实现了一个针对骨髓细胞图像的AML辅助诊断系统,系统的主要功能包括图像选择、细胞检测和风险评估。系统实现的主要算法是基于本文提出的基于CNN的骨髓细胞检测方法。