在临床医院,基于乳腺癌组织病理图像评分的诺丁汉分级系统是由病理医生观察分析腺管的形成、核的异型性以及有丝分裂次数这三个指标得到的。由于经验和知识水平的差异,不同的医生对病理组织切片评分可能会有差异。因此病理组织分析的计算机辅助诊断研究具有重要意义,它能够为不同经验的临床医生提供客观的诊断结果,也可以避免一些人为的漏检。上皮和间质组织是乳腺组织中最为基本的两种组织,研究表明大约80%乳腺癌起源于上皮组织,因此上皮组织和间质组织及其微环境的分析是评估乳腺癌风险的重要标志。因此上皮组织和间质组织精确分割是构建计算机辅助诊断系统的前提条件。针对以上问题,本文研究了基于组织微阵列的乳腺癌自动诊断方法,该方法主要分为乳腺组织微阵列的上皮与间质组织的自动分割以及基于乳腺组织微阵列的癌症等级自动评分两个方面。具体内容为:首先采用基于全卷积网络的上皮与间质组织自动分割方法,实现端到端的小尺寸图像分割,从实验分割评估结果看出:在荷兰癌症研究所(NKI)和温哥华综合医院(VGH)提供的数据集上分割精确度(像素准确率92.0%、像素平均准确率85.7%、平均重叠率79.5%、类权重重叠率86.1%)最高,分割效果最好,同等条件下分割速度较快(0.097秒);然后通过滑动窗取块的方式批量输入网络实现大尺寸的组织微阵列图上皮与间质自动分割。最后提取出组织微阵列图像的上皮组织和间质组织后,分别进行提取特征(颜色直方图、纹理)并且组合特征,再把组合特征输入到支持向量机分类器中,得到病理分级结果(一级分类准确率81.7%、二级的分类准确率80.6%),针对实际的乳腺癌组织微阵列数据集实现乳腺癌组织病理自动分级,从而达到计算机辅助乳腺癌诊断的目标。