近年来,随着计算机技术和现代循证医学的发展,计算机辅助诊断已经成为临床诊断不可或缺的一部分。人工智能技术越来越多进入到临床一线,为临床诊断、数据分析与共享提供了有效的技术支撑。而计算机视觉技术的发展和图像识别技术的提高使得医学影像尤其是医学显微图像(如尿沉渣图像)的识别已经逐渐从传统的人工识别转向了计算机自动识别,采用以计算机视觉技术为核心的医学图像处理成为了一个新兴研究领域。在此背景下,本文以尿液中的尿沉渣有形成分自动检测为研究对象,开展了基于深度学习的尿沉渣有形成分的自动化检测方法研究。主要工作和创新点如下:1.采集和制作一个用于尿沉渣有形成分检测数据集Uri Sed 2019,并对数据集图像特点进行了系统性的分析和总结。2.针对尿沉渣有形成分图像尺度小,相似度高的特点,研究了基于深度学习的目标检测方法,提出了一种基于有效感受野的目标检测方法,该方法利用卷积神经网络中的有效感受野将目标区分为可见目标与不可见目标,从而实现正负样本的匹配。通过将上述方法应用到区域推荐网络中,提出了一种新的目标检测网络V-FCN。结果表明相比较于传统的目标检测网络,V-FCN的检测精度更高,同时在目标的推荐的有效性和公平性上具有显著优势。3.利用本文的目标检测网络作为基础,开发了一套尿沉渣自动检测仪上位机识别检测系统以及尿沉渣有形成分识别的网站。