细胞免疫组化法是筛查癌症的一种常用方法,它使用结合抗体的纳米荧光探针对癌细胞中抗原表达进行标记,通过电子显微镜获得病理图像。病理医生可以通过分析病理图像中细胞内进入荧光探针的多少初步筛选癌变细CX-5461胞。然而,图像中AMG510体内细胞密集、形状多样、彼此粘连或重叠、与背景分界模糊,进入细胞的荧光数量肉眼判断困难,难以量化,也需要花费医生大量的时间和精力。因此,本文以细胞病理图像为主要研究对象,深入研究细胞的分割识别问题,并在此基础上设计了一套肺癌辅助诊断系统对病理图像中细胞的平均荧光强度进行统计分析,通过交互方式协助医生挑选可疑细胞,辅助医生对肺癌做出诊断。本文研究工作主要包括以下三个部分:（1）本文Carcinoma hepatocellular引入椭圆傅里叶描述子来描述细胞的轮廓。椭圆傅里叶描述子是利用频率波叠加的方式来逼近目标物体的边界曲线,它将轮廓点的二维坐标用椭圆傅里叶描述子参数进行表示,在描述椭圆区域轮廓时具有很好的表现。本文将细胞边界像素标签转换为轮廓坐标,再转化为频率域的椭圆傅里叶描述参数来表示细胞轮廓。实验表明,椭圆傅里叶描述子表示细胞轮廓具有最小的表示误差,具有较好的线性空间连续性,适合用于描述细胞轮廓。（2）提出基于椭圆傅里叶描述子和特征金字塔结构的细胞轮廓识别网络。该网络使用椭圆傅里叶描述子表示细胞轮廓,使网络预测椭圆傅里叶参数以识别细胞的位置和形状,识别所有细胞的轮廓以此得到实例分割掩膜。该网络在识别轮廓模块使用特征金字塔结构,在大、中、小多个尺度上识别轮廓,解决了因细胞轮廓尺寸大小不均导致的难训练,预测不准的问题。在多种细胞的数据集上的对比实验中,本文方法在数据集DSB2018上的平均F1分数为0.658,在数据集MoNuseg2018上的平均F1分数为0.480,均优于其他方法,说明了本章提出模型的有效性。（3）针对肺癌的细胞免疫组化病理图像筛查,设计了一套肺癌辅助诊断系统。结合一种新型荧光探针成像的方法获取肺上皮细胞的病理图像,使用计算机技术和本文提出的细胞实例分割算法,对细胞图像进行分割和检测。实现了细胞图像的自动化分割和可疑细胞识别,辅助专家医生进行临床诊断。使用样本图像组成数据集对系统进行实验验证,证明了系统识别可疑细胞的有效性。