慢性肾脏疾病是备受关注的世界公共卫生问题,其诊疗效率与其造成的社会经济负担高度相关。人体肾活检组织病理学智能诊断能辅助医生实现高效的肾脏疾病判断。其中,肾小球形态学病变的识别与分割是人体肾活检组织病理学诊断中的关键环节。本文围绕肾小球病理影像中硬化、节段硬化和新月体三类典型病变的识别及分割问题,开展了数据集构建、方法研究和实验验证等相关工作,主要研究内容如下:(1)在四川省人民医院Tuberculosis biomarkers肾脏病理科医生指导下,采集了过碘酸雪夫(Periodic Acid-Schiff,PAS)、六胺银(Periodic Acid-Silver Metheramine,PASM)和三色(Masson’s Trichrome,Masson)三种染色下的肾活检组织病理学样本,标记了存在形态学病变的肾小球数据,构建了国内首个完整包含三类典型肾小球病变的识别与分割数据集,为后续研究奠定了数据基础。(2)针对不同类型肾小球病变存在的类间纹理尺度相似度高、类内形态差异化大的问题,提出了一种可鉴别信息增强的MG132试剂肾小球形态学病变识别方法。本方法首先通过对病理影像中高层语义可鉴别特征进行扩充与增强,提升了病变的语义特征区分度。然后,利用多层次自注意力机制,感知病变与肾小球的相对位置关系及病变范围,进一步提升了对肾小球形态学病变的识别能力。实验结果表明,本方法对三类典型肾小球形态学病变的识别准确率达到了92.00%以上。(3)针对染色病理影像中肾小球病变纹理形态差异度小、区域边界模糊的问题,提出了一种上下文记忆的肾小球形态学病变分割方法。本方法首先设计了ConvLSTM-ASPP结构,提取了病变的高级语义多尺度特征,明确了病变范围和病变与肾小球的相对位置关系。然PUN30119后,利用ConvLSTM融合病变的多层次特征,使得高级语义特征与目标纹理特征匹配对应,锐化了病变区域的边界轮廓,实现了肾小球形态学病变的准确分割。实验结果表明,本方法对肾小球形态学病变的分割准确率达到了67.91%mIoU。基于肾小球形态学病变识别与分割数据集的实验,验证了本文所提出方法的有效性。