针对明场显微细胞图像存在边缘弱、背景非均匀和细胞形状不规则等特点导致细胞分割困难的问题，提出一种基于荧光细胞核引导的明场显微图像细胞分割方法。首先，利用荧光细胞核质心确定明场单细胞局部显微图像，对局部明场显微细胞图像进行双重高斯滤波，以减弱非均匀背景的影响，采用顶帽变换增加图像的对比度，并采用二维最大类间方差分割方法以增强算法的抗噪性；其次，对完整的明场显微细胞图像进行双重滤波和顶帽变换预处理后，采用二维最大类间方差法进行全局分割，以增强局部分割丢失的细胞轮廓信息，解决细胞形状不规则导致的分割不准确问题；最后，将局部和全局分割的结果融合后采用分水岭变换进行二次分割，以提高对粘连性细胞的分割精度。在Hela细胞图像集上进行验证实验，得到明场细胞分割的精确率、召回率和F值分别为0.960、0.984和0.971，优于现有相关算法，验证了所提方法的高准确性和鲁棒性。

为了解决现有算法对密集细胞识别精度不高及空间轨迹错误相连的问题，建立了一种针对斑马鱼尾部中性粒密集细胞的识别与追踪网络，该网络通过改进的mask region-based convolutional neural network （Mask R-CNN）及DeepSort对细胞进行识别与追踪。首先，从自搭建的光学投影层析成像（OPT）系统获取细胞图像；然后，改进Mask R-CNN中训练模块的Huber掩膜损失、优化神经网络参数，并在检测模块中拓展灰度级动态范围来提高边缘检测性能，实现细胞的识别；最后，利用DeepSort结合改进的逐帧关联思想将定位的二维像素坐标转换为三维空间坐标，进行轨迹连接。实验结果表明：所提网络的训练效率提高了约50%；XZ和YZ面细胞分割精准率分别达到了98.99%和97.83%，比未改进的Mask R-CNN、U-Net、形态学和分水岭分割等的分割效果均有显著提高；在细胞关联性为75%时，可重建出79.6%的斑马鱼中性粒细胞轨迹。该网络能够较好地实现对高度重叠细胞的识别分割与轨迹重构，将二维定位拓展到三维空间，不仅为密集微观生物的分类识别提供了借鉴参考，而且为病理学研究中细胞应激反应提供了一个重要的直观模型。

针对相差显微镜采集的细胞图像具有亮度不均衡且细胞与背景对比度较低的问题，根据图像中细胞区域灰度变化急剧和背景区域灰度变化缓慢的特征，提出一种基于双重高斯滤波的细胞图像快速分割方法。从频率域的角度出发，构建双重高斯滤波过滤低频信息、保留高频信息，有利于增强细胞与背景的差异性，降低亮度不均衡因素的干扰；借助自适应阈值分割出细胞，并使用形态学闭运算改善其形态，同时利用面积约束在一定程度上消除杂质对分割准确性的影响。在C2C12数据集上测试所提方法，精确率、召回率和F值分别为0.9770、0.9457和0.9609，优于对比算法。研究结果表明：所提方法具有较好的准确性和鲁棒性，能实现细胞图像快速、准确分割。

阑尾神经内分泌肿瘤(ANENs)在各类阑尾恶性肿瘤中占很大比例,其重要的诊断标准之一为Ki-67增殖指数的大小。目前,Ki-67指数的计算主要取决于病理医生的经验,人工计数过程繁琐,工作量较大。本研究旨在利用计算机图像分析算法对ANENs病理切片图像中的细胞进行处理,统计阳性细胞和阴性细胞的数量,并计算Ki-67这一指标,辅助病理医生进行综合评估。针对传统分水岭算法的过分割问题,采用强制最小技术修改距离变换对其进行改进,提出了改进型分水岭算法,并采用该算法对病理图像中的阳性细胞和阴性细胞进行分割、计数,然后将结果与病理医生的金标准进行比对。结果表明:改进型分水岭算法分割阴性粘连细胞的平均准确率为93.4%,平均过分割率为3.3%;计算机辅助处理ANENs病理图像Ki-67指标的平均准确率为93.2%,平均误差率为6.8%,处理图像平均时间由人工的57.4 s缩短到29.5 s,大幅提高了工作效率。

针对相衬显微镜采集的细胞图像具有亮度不均衡且细胞与背景对比度较低的问题,提出一种以U-Net为基本框架,结合残差块和注意力机制的细胞分割模型。首先,利用具有编码器-解码器结构的U-Net对细胞图像进行细胞初始分割;然后,在U-Net中引入残差块,以强化特征的传播能力,提取更多细胞细节信息;最后,利用注意力机制加重细胞区域的权重,降低亮度不均衡、对比度较低对模型的干扰。实验结果表明,与其他模型相比,所提模型在视觉效果和客观评价指标上均有较好的分割效果。

粘连细胞的分割是医学细胞图像处理中的关键, 随着形态学在图像分割中的应用, 分水岭分割成为粘连细胞分割中最有效的方法之一。然而, 由于巨噬细胞图像中的噪声和形态的不规则性, 传统分水岭算法容易产生过分割。若在经距离变换得到的距离图中提取“种子点”, 并将其中距离小于某一阈值的两两“种子点”合并得到新的“种子点”, 在新“种子点”重新分布的距离图基础上使用分水岭分割。实验结果表明: 该算法虽然要比传统分水岭算法多花费些时间, 但可以有效地分割粘连巨噬细胞并抑制过分割现象。分割后, 对细胞进行标记并提取细胞的特征参数, 如周长、面积、圆度因子、灰度均值等。