“血常规”检测是临床病理学诊断疾病的常规手段和重要依据,目前“血常规”检测对于外周血中白细胞的分类识别主要依靠血液细胞分析仪和人工显微镜检两种方式进行。通过血液细胞分析仪对白细胞进行分类识别无法直观感受各类细胞的形态学特征,细胞的形态学变化可能是对某种疾病的预示,是临床诊断不可忽视的因素之一;而人工显微镜检劳动强度大、耗时费力且缺乏一定的客观性。同时,我国偏远地区也存在专业医师和相关医疗器械缺乏的问题。基于此,课题针对上述问题提供了解决方案,结合医学图像处理和模式识别技术、远距离通信和云服务器数据存储技术,研究开发基于形态学的外周血细胞数字切片远程诊断系统。根据外周血显微图像的特点,设计了外周血图像多图拼接算法,并提出一种特征点筛选和限定搜索空间范围的配准策略。首先通过Forstner算子对待拼接显微图像特征点进行高效、快速提取,通过待拼接图像重叠区域坐标对特征点进行筛选,并限定特征点匹配的搜索空间,结合归一化互相关算法初步匹配特征点;然后通过RANSAC算法对匹配点进行筛选提纯,通过提纯后的匹配点计算单应性矩阵,完成显微图像的精确配准。通过改进的加权平滑算法对配准后的图像接缝处进行平滑过渡处理,实现了对显微图像的高质量拼接。针对目前利用传统人工神经网络进行白细胞自动识别分类存在的缺陷,引入基于深度学习的卷积神经网络。在经典卷积神经网络结构VGG-16的基础上,设计了基于白细胞常规五分类的网络模型结构,并通过实验对网络模型性能进行验证,五分类综合准确率达到98.60%。在远程系统搭建方面,设计了基于三层C/S架构的整体框架,根据FTP文件传输协议设计了数据传输模块,通过Webservice实现客户端对数据处理层的调用,数据处理层集合了白细胞图像自动分类识别、细胞图像拼接等功能。最后对远程诊断系统软件进行开发,整个系统包括三个客户端,操作员端、医师端和管理员端,对客户端的人机交互界面及功能模块进行了设计。基于形态学的外周血数字切片远程诊断系统的实现,可以替代血液细胞分析仪和人工显微镜检对白细胞进行自动识别分类,同时对于缓解我国局部区域医疗资源分配不均的现状具有重要的推动作用。