随着细胞治疗和基因治疗技术的发展,细胞测序和细胞培养对细胞获取的纯度要求也越来越高,细胞的分选富集技术已经成为医学领域中的重点研究课题。传统的基于荧光标记的荧光流式分选法（FACS）虽然对细胞的分离纯度和回收率都较高,但需要在前期对细胞进行复杂的标记处理,影响细胞活力,且设备昂贵复杂,实验过程中易产生光漂白和光毒性。为了解决这些问题,本文提出了一个基于图像识别技术、微流控技术和声分选技术的图像声流控细胞分选器（IACS）,这种细胞分选装置用显微镜下的亮场图像代替荧光图像,结合CNN进行实时智能的无标记细胞分类。为了降低设备成本,选用廉价、可重复的微流控装置作为分选系统的核心。细胞分离部分使用声辐射力（ARF）使细胞产生位移,然而ARF的分离是依据细胞的大小,密度等物理特性,对于尺寸相近的细胞分选效果较差。结合CNN恰好可以提取细胞图像信息,为物理性质相近的细胞提供又一分选依据。本文提出的IACS采用无标记的方法进行细胞的自动分类,从而实现目标细胞的纯化收集。首先,通过ARF从细胞混合样本中分离出大部分废弃细胞进入废液池。然后,对细胞提纯样本在亮场显微镜下进行细胞图像采集,使用CNN分析细胞的形态特征,并通过有效的分类标准对细胞进行实时分类。此处对基于CNN的YOLOv3目标检测模型进行改进,在该模型基础上增加残差结构和微小目标检测层,以有效防止深层网络的退化,从而进一步提高网络的特征提取能力和对微小目标的检测能力。最后,通过ARF将提纯样本中每个检测到的目标细胞从微流体通道中弹入收集区,流入收集池进行收集。实验结果表明,IACS对目标细胞的回收率最高可达90.7%,纯度最高可达98.2%。相较于传统的FACS（纯度＞95%,回收率＞90%）,IACS可以提供一种低成本、可重复、自动化的方法,实现对目的细胞的实时、高纯度、高活性、无标记分选和收集。这种技术有望在未来实现对不同细胞的高纯度分类和富集,对回收的细胞进行进一步的培养和分析,为更早期发现原发性癌症转移提供了希望。