目前,眼科疾病特别是视网膜病变呈增长趋势。视网膜病变引起的视网膜组织损伤靠药物往往难以修复,以细胞移植技术为基础的生物组织修复工程有望成为一种强有力的视网膜损伤修复工具。在细胞移植中,作为载体的生物材料必须与人体相容,因此需要准确评估材料的细胞毒性。在本次研究中,为了评估一种高分子生物材料的细胞毒性,我们设计了多组细胞培养实验,并采集了不同时间点的细胞图像,通过分析细胞数目的变化趋势,定量评估材料的细胞毒性。由于实验采集的细胞图像存在噪声干扰及重叠细胞,使得细胞的分割与计数具有一定的挑战性。为了提高荧光显微图像中视网膜细胞分割与计数的效率和准确率,本文提出了一种基于形状分类的视网膜细胞分割与计数方法,主要步骤如下:首先,对采集到的原始细胞图像进行预处理:对图像进行灰度化、动态阈值分割以及形态学相关操作来抑制图像噪声,并提取细胞连通区域作为细胞分割的对象;其次,基于形状分类进行重叠细胞识别:根据视网膜细胞的形状特点对细胞连通区域提取一系列形状特征,训练并利用AdaBoost分类器来识别图像中的重叠细胞;最后,对重叠细胞进行分割操作:检测重叠细胞连通区域的瓶颈点,并将其作为分割点,获得分割点后,利用加速迪杰斯特拉算法获得分割点之间的最优分割路径,完成重叠细胞分割。分割产生新的连通区域后,重复上述重叠细胞识别操作,如果仍有细胞需要分割,则执行细胞分割操作,否则通过统计最终的连通区域数目来完成细胞计数。本文方法在50张视网膜细胞荧光显微图像上进行测试,获得的平均准确率（Accuracy）、查全率（Recall rate）、查准率（Precision rate）和₁F测度（₁F-measure）分别为95.52%、91.11%、88.64%和0.895。实验结果表明了本方法具有较好的可行性,可用于辅助评估生物材料的细胞毒性。