白细胞是维持人体免疫功能的关键元素,临床诊断中将观察不同种类白细胞的数量及形态作为诊断造血系统疾病的重要手段,因此,白细胞的检测在临床医疗领域至关重要,而白细胞图像检测又包括了图像采集、细胞分割、特征提取和分类识别几个步骤,白细胞分割是医学图像处理领域的一项富有挑战性的任务,其面临以下两个问题,一是白细胞种类多,且其形态复杂、变化多样,传统算法分割效果不佳,二是监督学习的分割算法往往需要大量专业人员手工标注的训练样本,花费大量人工成本。为了解决上述问题,本文主要针对白细胞分割问题展开研究与讨论。主要包括了基于超像素与图卷积网络的白细胞分割算法的研究、基于卷积神经网络与动态超图神经网络的白细胞分割算法的研究和基于动态注意力图卷积网络的白细胞分割算法的研究。其主要内容如下:（1）为了在训练少量的标签信息的背景下进一步提高白细胞图像分割精度,提出基于图卷积网络的白细胞分割算法。利用超像素算法作为图像分割的预处理方法,构造图结构解决图卷积网络无法直接处理图像数据的问题。在构造无向特征图时,我们通过计算超像素子图的颜色特征转化为图节点的特征矩阵,为了利用空间邻域关系,使用阈值判定法构造邻接矩阵,将得到的图数据经过训练好的图卷积网络训练进行节点分类,再将节点类别标签联系到超像素子图实现图像分割的目的。通过对多类白细胞进行实验,分割精度相较于比较算法有一定程度提高。（2）针对图卷积网络在构造特征矩阵没有充分挖掘深度信息与其自身因简单静态图结构导致性能不佳的情况,提出基于卷积网络与动态超图神经网络的白细胞分割方法,使用超图替换简单图,更好地表现节点间一对多的关系。所提出的动态超图重建模型在层次卷积中重建图结构。在构造超图中,使用训练好的卷积网络提取节点的高阶信息构造特征矩阵,并使用聚类算法充分结合节点在局部与全局中的邻接关系,构造邻接矩阵。将构造好的超图使用卷积模块得到节点分类预测,进而转为图像分割结果。（3）图注意力网络通过引入注意力机制对不同邻居节点自适应分配权重解决图卷积网络在层级卷积中对邻居节点所分配权重固定的问题来提高性能,但在深层传播中因为噪声信息而降低精度。我们结合图注意系统提出了基于动态注意力图卷积网络的白细胞处理算法,在图卷积层前设计注意力层,导入注意力权重调整邻接矩阵,引导图卷积关注关键节点,并在层次卷积中动态调整图结构。实验结果表明,该网络较前两种网络有更好的分割性能,且具有进一步提高空间。