目前,国内病理领域的现代化进程非常缓慢,传统工作方式工作效率偏低。病理科的医生又比较难培养,造成病理医生普遍短缺。为了改善病理科现状,本文使用卷积神经网络相关算法设计一套病理诊断系统来辅助病理医生诊断,来加快病理数字化自动化。使用光学扫描仪将病理切片数字化,可以把只能使用显微镜观察的病理切片,通过光学扫描转化为计算机能够使用的数字化图像。然后使用卷积神经网络相关算法对其自动化检测,从目前来看是一个非常有前景的方案。基于卷积神经网络的一些图像识别算法,模仿了人的视觉,提取出来数字病理图像中的相关特征,做出算法对图像的判断。本文以乳腺前哨淋巴结的数字病理图像为研究对象,深入分析和设计卷积神经网络在数字病理图像中的分割和分类方法。为了解决卷积神经网络无法直接使用超大分辨率图像的问题,本文将整张病理图片切成若干固定尺寸的patch(整张病理图像中切取的小尺寸图片)作为实验对象。通过多次实验和具体问题的分析,构建了以Resnet-50为骨干网络的patch阶段的分类算法和借鉴全卷积网络(Fully Convolutional Networks,FCN)思想的整张数字病理图像推理系统。本系统使用小patch进行分类,然后将小patch分类的结果拼接起来获得整张病理图像的分割图,在依据分割图对整张病理图像分类。本文中主要工作和贡献如下:(1)本文通过对术中冰冻淋巴结数字病理图像的深入研究,结合卷积神经网络的相关算法,设计一个超大分辨率数字病理图像分割和分类任务上非常有效的两阶段算法。第一阶段是在超大图中提取感兴趣区域并切割成一定大小的小图像进行分类。在第二阶段则是,将第一阶段的结果根据一定的顺序拼接成一张与原图大小成比例的热图,并使用热图对整张病理图像进行分类。(2)借鉴全卷积网络的思想加速大分辨率图像推理的过程。主要是通过使用卷积层替换第一阶段中模型最后的全连接层,达到使用卷积滑窗的方式减小整张病理图像推理的计算量,进而减少推理时间。(3)通过研究术中冰冻淋巴结病理图像分类项目和术后淋巴结病理图像分类项目的区别和联系,本文设计了一个基于对抗生成网络的域自适应算法。本算法成功的融合了术中冰冻模型和术后模型,并取得了优秀的效果。