显微镜自问世以来,极大地推动了科学研究,尤其在生物学、医学和材料Adavosertib体内实验剂量学等领域展现出了非凡的影响力。然而,传统显微镜系统受限于一体化的硬件架构,结构固定且功能单一,难以灵活应对多样化的成像需求。相比之下,现代多功能显微镜虽集多种成像模式于一体,却因成本高昂与体积庞大,而在偏远地区及野外实地研究中的应用受到严重限制。明场显微成像作为最基础、最常见的显微成像技术,在特定selleckchem场景下如检测蛋白特异性表达或观察细胞内部动态变化时,其效果较差,而荧光显微成像则能克服这些局限。因此,研发一款兼具明场与荧光显微成像功能,且体积小巧、便于携带与操作的双模式成像系统,不仅具有重要的研究价值,还能基于该系统开展广泛的应用研究。针对传统显微成像系统存在的灵活性欠缺、硬件结构固化、成像模式单一,以及高端多模式显微镜价格昂贵、体积庞大、操作复杂等问题。在系统设计方面,采用了模块化设计方法,该方法依据光路结构将系统拆分为多个积木模块,通过灵活组合,构建了模块化显微成像系统,实现明场、荧光双模式显微成像,系统机械结构采用3D打印技术制造,降低制造成本。同时,开发了配套的应用软件,用于图像采集与算法处理。并进行系统测试分辨率板进行测试、明场显微成像测试和荧光显微成像测试,经过对指标内容和测试结果的对比,最终测试结果均满足指标要求。在生物医学检测研究中,本研究选取肺癌细胞和血细胞作为研究对象,现有研究在肺癌细胞检测和血细胞检测与分类主要集中在算法的优化上,依赖于高成本的成像设备,样本需多次转移至不同设备处理,无法实现图像采集与处理的一体化,导致检测流程复杂。为此,利用搭建的模块化显微成像系统,实现mediating role肺癌细胞和血细胞图像采集与处理一体化。针对当下肺癌细胞识别中存在的效率低、人工计数主观性强、自动化程度不足等问题,提出肺癌细胞识别算法,通过对细胞图像的预处理、滤波、边缘检测和图像分割,算法识别准确率达94.3%,有效减少了人工计数的主观性误差,为肺癌细胞的识别提供了可靠的技术支持。针对血细胞检测分类中存在的细胞形态多样、分布密度不均及传统人工计数低效、主观性强等问题,基于YOLOv8模型进行血细胞的高效精准检测与分类。通过构建丰富数据集、实施数据增强和精确标注,优化了模型训练。实验显示,YOLOv8的m AP达到0.841,将其与YOLOv5n、YOLOv6n、YOLOv7-tiny等其他模型在相同任务下进行对比,在血细胞检测分类任务中,较其他模型分别提升了2.8%、5.5%、7.0%。显著提升了血细胞检测的自动化与准确性。此方法为血细胞分类研究及贫血、白血病等疾病早期筛查提供了可靠技术支撑。综上,设计的模块化显微成像系统具有高度的灵活性和便携性,并且系统配套的软件和图像处理算法,使得系统在生物医学检测有较高的应用价值。