随着科学技术的进步和发展,依靠病理医生在显微镜下的传统诊断方式面临多种问题,例如耗时耗力,受医生主观影响比较大等,这使自动化病理诊断大规模发展。通过病理图像快速采集设备获得清晰的样本图像,并且有良好的评价流程至关重要。病理图像快速采集设备的应用在自动化病理诊断过程中仍然存在问题。首先目前病理快速采集设备拍摄的图像分辨率非常高,这导致图像清晰度函数评价函数计算效率低下,影响快速采集速度。其次,每天会有大量的样本被扫描,而扫描产生的质量不合格的细胞病理图像会严重影响自动化病理诊断的效率,甚至导致误诊和漏诊。虽然现在存在很多的图像质量评价方法,但是这些方法没有考虑到细胞病理医生对于样本图像的评价标准,因此不适用于自动化病理诊断领域。为了解决上述问题,本文从提升病理图像快速采集设备工作效率和评价扫描出的细胞病理图像质量两个角度展开研究。具体研究内容如下:1.提出了基于灰度投影的聚焦窗口选择方法。该方法采用灰度投影法和自适应均值区间查找算法确定聚焦窗口。本方法可以有效地减少清晰度评价函数计算量,并且可以提升清晰度评价函数效果,提升聚焦效率。在聚焦方法方面,提出了基于薄板样条插值的焦点预测方法,该方法通过对少数视野聚焦从而预测出焦点平面的方法,有效地减少了聚焦次数,极大地提升了病理图像采集速度。2.提出了基于残差网络的清晰度判定方法。为了解决残差网络原有的池化策略导致图像边缘清晰模糊信息丢失的问题,受到传统清晰度函数的启发,在网络中加入最大值最小值池化,加强网络对图像清晰模糊信息的感知能力;同时为了进一步提升网络的分类准确率,在网络中加入通道注意力机制,通道注意力机制的加入提高了网络分类性能。该方法解决了传统清晰度评价函数只能有参考地对相同内容的图像进行清晰度评价的问题,并且该方法可以用于图像清晰度评价领域,尤其是细胞病理图像清晰度评价领域。3.提出了基于宫颈/阴道细胞学描述性诊断报告方式（The Bethesda System,TBS）标准的细胞病理图像质量评价方法。为了克服细胞病理图像质量评价方法缺乏的问题。该方法基于TBS诊断标准,提出了多种评价指标用于评价细胞病理图像的质量。通过提取与细胞病理图像质量相关的特征,输入回归模型完成图像质量评价。实验表明,本文提出的基于灰度投影的聚焦窗口选择方法,可以精确地在细胞病理图像上进行加窗,有效地减少清晰度评价函数的计算量,提升清晰度评价函数计算效率。本文提出的基于薄板样条插值的焦点预测方法可以准确地预测出焦点平面,从而提升快速采集效率。本文提出的基于残差网络的清晰度判定方法,可以对不同焦平面的细胞病理图像进行清晰模糊分类,无参考地评价图像清晰度。本文提出的基于TBS的细胞病理图像评价方法,可以有效地评价细胞病理图像的质量,提高自动化病理诊断效率。