细胞是人体的基本功能单位,细胞的数量水平变化对于一些疾病的诊断有着重要的临床参考意义,例如,红细胞（RBC）与白细胞（WBC）的数量水平变化与病菌感染等疾病直接相关、循环肿瘤细胞数量水平的变化与肿瘤病人的癌症鉴定以及转移性进展直接相关。由于人体环境的复杂性,在进行细胞的数量水平的检测时,面对的往往是全血、腹水等含有多种细胞的异质性样本,因此对细胞进行分类计数有着重要的意义。基于图像的细胞识别是近年来得到快速发展的一种分类计数方法,细胞的图像含有着尺寸、形状、纹理等丰富的信息,通过对这些特征的提取与分析即可实现细胞的检测,与传统的基于荧光标记、或是光、电信号测量等检测方法相比,有着操作简单以及对细胞的损伤性低等优势。但是目前的图像检测方法大多为静态的图像检测,能够测量的细胞数目有限,另外,这种静态的检测方法只能拍摄到细胞单个角度的信息,也限制了检测的准确率。因此本研究考虑将图像法与微流控平台相结合,从动态成像的角度出发,对已有的图像检测方法在准确率以及测试通量上作出改善,本研究的主要内容如下:（1）本研究将微流控技术、目标检测技术以及目标追踪技术相结合,提出了一种基于明场动态成像与多帧关联的细胞分类计数方法。在设计的微流控芯片内采集到细胞的图像序列后,通过YOLO-V4目标检测网络实现对图像的单帧识别,获得细胞的类别以及坐标信息,之后采用设计的基于拓扑匹配的细胞追踪算法,完成细胞的追踪以及无重复计数。（2）基于这种上述检测思路,本研究在搭建的基于显微镜与高速相机的检测系统中实现了对红细胞、白细胞以及循环肿瘤细胞的分类计数。基于制作的细胞数据集,本研究在目标检测模型上获取到了高达98.76%的均值平均精度（mAP）,并在设计的细胞追踪算法下,对多帧的检测数据进行关联,纠正了部分因成像角度差异或模型的偶然误识而引起的错误或遗漏的分类结果。以CTC为例,这种多帧关联的检测方式进一步地将CTC的mAP提升到了 99.40%。此外,本研究的检测极限实验表明,该方法能够轻松地从105个WBC中检测到低至10个CTC,并且不受CTC的上皮间充质转换（EMT）过程的影响。（3）基于该方法以及该方法对血细胞的检测情况,本研究还设计并搭建了一个便携式的全血即时检测（POCT）系统。该系统以单透镜结合智能手机摄像模组的成像方式,代替了传统的显微镜,实现了对全血样本的显微图像采集,并通过云端部署的目标检测网络以及细胞追踪算法完成了对血细胞数量水平的量化。另外,基于该系统的临床试验结果表明,实测的红白细胞的比值分布范围（0.456×103～1.092×103）与血常规报告中的比值分布范围（0.400×103～.375×103）基本一致,表明了该POCT系统的实用价值。本研究结合了微流控技术与深度学习算法,对明场图像中的细胞进行了识别与追踪,在搭建的系统上可以实现对不同种类的细胞的分类计数以及POCT检测。