细胞活性检测技术在细胞培养研究、肿瘤免疫疗法、细胞毒性试验、抗癌药物测试、耐药性研究以及细胞侵袭实验等诸多领域都有着十分广泛的应用。传统上,细胞活性被定义为活细胞数在总细胞群中的占比;然而,由于单个细胞存在异质性,导致相同数量的细胞群对药物响应的结果差别很大,造成细胞活性评估不准确且不稳定。现有细胞活性检测方法,如MTT法、XTT法和CCK-8法,都属于有标记、有损伤的终点检测法,一定程度上损害了细胞活性研究中的连续性以及准确性;另外,现有无标记、非侵入性无损检测方法,如电化学阻抗法、光学显微成像法以及无透镜成像法,都仅体现了癌细胞活性的单方面信息。因此,提高细胞活性评估方法的准确性与稳定性,对生化实验研究与医疗领域有重大意义。本文提出一种基于理化特征的癌细胞活性检测方法,该方法通过提取BGC-823与SGC-7901癌细胞群的活细胞数量、粘附状态、膜电容性与电损伤修复能力等电化学特征,以及细胞群粘附强度、单癌细胞体积、变形性与膜表面摩擦因子等机械物理特征,利用三种传统人工神经网络将癌细胞理化特征进行融合与对比分析,实现对癌细胞活性的精准评估。本文的具体研究内容如下:（1）针对本文发现的电化学阻抗谱中最灵敏频率点的“漂移”现象,以及细胞微动、仪器干扰等噪声带来的阻抗误差,本文提出一种基于阻抗谱的归一化面积法。结果表明,相比于单频阻抗法,归一化面积法的最大误差降低了4.4%,该方法有效地减少了阻抗谱最灵敏频率点“漂移”和噪声导致的误差,为利用阻抗谱稳定、准确地提取细胞活性相关电化学特征提供依据。（2）针对现有细胞电化学检测方法存在的片面性问题,本文在深入研究了细胞电化学检测原理的基础上,将ECIS生物传感系统与微流控系统集成,有效提取了活细胞数量、粘附状态、膜电容性和电损伤修复能力等电化学特征,为基于理化特征信息融合的癌细胞活性评估奠定基础。（3）为了提高癌细胞活性评估的全面性,本文研究了细胞活性相关的机械物理表征方法。本文设计制作了单通道集成微流控系统,通过细胞脱离实验,得到了粘附细胞脱离曲线,并提取了细胞群粘附强度梯度信息;同时,细胞脱离实验冲走的癌细胞被导流入缩窄微流控芯片内,研究了单癌细胞的体积、变形性与膜表面摩擦因子等机械物理特征的统计学表征方法,为基于理化特征信息融合的细胞活性评估奠定基础。（4）针对癌细胞活性相关的理化特征归一化过程中存在的难点,本文在深入分析了各理化特征之间相关性与互补性的基础上,研究了癌细胞粘附状态、膜电容性以及电损伤修复能力等电化学特征的归一化算法,以及细胞群粘附强度、单癌细胞变形性与膜表面摩擦因子等机械物理特征的归一化算法,并分别利用三种传统人工神经网络算法对理化特征进行融合与对比分析。结果表明,BP神经网络预测效果较差,且偶尔会有偏差非常大的预测值;Elman神经网络次之,RBF神经网络预测效果最好。（5）为了研究不同FBS浓度培养下细胞活性评估方法的准确性,将本文提出的基于理化特征融合的癌细胞活性评估方法,与传统的活细胞计数法、单粘附强度法以及多粘附强度法进行对比分析。结果表明,理化特征融合法的总平均误差相比于多粘附强度法,提高了6.01%,相比于细胞计数法,提高了62.72%。