随着不育症发病概率的提高,不育症已成为目前排名第三的疑难疾病,对人类的生殖健康造成严重的影响。由于哺乳动物的睾丸结构具有一定的相似性,因此在对人类睾丸进行组织病理学研究前,通常选择小鼠作为动物模型进行相关实验。在小鼠精子发生的过程中,组织学家根据生精小管内睾丸细胞的形态、空间位置以及纹理等特征,将整个生精上皮周期划分为12期。对小鼠生精上皮周期的正确分期有助于分析睾丸细胞的组成、评估生精过程的质量、了解不育的发病机理等。目前相关工作大都借助光学显微镜,利用肉眼观察得到分期的结果,判断过程耗时耗力,且存在极大的主观性,同时组织学家需要经过多年的训练,因此利用计算病理技术开发小鼠睾丸生精上皮周期自动分期模型辅助组织学家进行分期判断是有意义且必要的。本文的第一个工作利用深度学习方法,对H＆E染色的小鼠睾丸横断面全景组织图像生精小管中的睾丸细胞进行自动分割并对睾丸细胞的组成进行分析。提出了基于多头自注意力与距离图谱的睾丸细胞分割模型,该方法通过引入多头自注意力机制,使得模型能够获取细胞的空间位置关系信息,提高细胞分割的准确率,同时加入距离图谱分支,通过该分支的预测结果输出分水岭标记符,解决细胞间可能存在的重叠问题,最终能够同时完成睾丸多类细胞与细胞前景背景的自动分割。模型的睾丸多类细胞分割分支在测试集上的PA值为0.962、CPA值为0.909、Io U值为0.833、FWIo U值为0.928,细胞前景背景分割分支在测试集上的Dice系数为0.866、Precision值为0.873、AJI值0.762、HD值为13.44,与其它模型相比,性能更优。在对第Ⅵ到Ⅷ期的睾丸多类细胞进行分割后统计不同细胞的数量,并对组织学家的标记进行人工计数,二者的结果经t检验后没有明显的统计学差异。接下来将模型拓展到12期,对生精小管中的睾丸细胞进行组成分析,发现圆形精子在晚期阶段数量会有较大幅度地减少,精原细胞和精母细胞在早期阶段核中期阶段数量会增加,而晚期阶段数量会减少,支持细胞由于不直接参与精子的发育过程,所以数量始终维持在一个比较恒定的水平,这些变化规律基本符合实际的生物学规律。本文的第二个工作通过对多特征进行融合,实现了对小鼠睾丸生精上皮周期第Ⅵ到Ⅷ期的自动分期。首先利用基于深度学习的分期模型对深度特征进行提取,在测试集上测试的结果表明,深度特征在第Ⅵ期和第Ⅷ期上的AUC值分别为0.68和0.71。接着基于本文的第一个工作,细胞前景背景分割的结果提取细胞形态学特征,包括细胞的空间分布特征、形态学特征与颜色纹理特征,共417维。通过m RMR算法、Wilcoxon秩和检验、Relief F算法、Fisher算法对提出的特征进行过滤,筛选出前12维特征,构建SVM、LDA、QDA、KNN分类器进行分期,最优分期模型的ACC值为0.691。最后对深度特征进行降维,并融合细胞形态学特征,构建四种分类器,融合特征的最优分期模型ACC值为0.735,并使用1 VS Rest策略,得到该模型的AUC值分别为0.81、0.80与0.90。与组织学家的分期工作相比,计算机自动分期模型的效率和准确率都更高,能够对第Ⅵ到Ⅷ期的生精时相进行较好地预测。基于本文的两个工作,组织学家可以通过计算病理技术对睾丸细胞进行大规模地统计分析,并借助第Ⅵ到Ⅷ期的自动分期结果辅助判断,能够一定程度地减少组织学家的工作压力,推动睾丸病理与生殖医学的发展。