近年来,计算机视觉技术在实际生活中的落地应用越来越多,一定程度上推动了安全领域、交通领域、军事领域等诸多行业的发展。在医疗领域,随着各种医学影像的数字化程度加快,有越来越多的研究人员关注计算机视觉与医学影像领域的结合。在临床中,病理诊断被称为肿瘤良恶性判别的金标准。但病理图像特征复杂容量大,专业病理医生的阅片工作负担较为繁重。因此,计算机辅助医生进行病理分析就有了重要意义。本文基于计算机视觉技术对乳腺癌病理图像进行分割和分类研究,并开发了一款基于iOS移动客户端的病理图像分析标注软件。主要研究工作包括以下两部分:(1)针对乳腺癌淋巴结转移的病理数据集特征,提出了基于卷积神经网络的淋巴结构可知性分析方法,将研究任务分为提取淋巴结构的图像分割和判定淋巴结癌变转移程度的图像分类两部分。在图像分割任务中,对目前常用的提取病理图像感兴趣区域的阈值分割方法进行研究和实践,并通过基于全卷积网络的语义分割方法改进实验结果,从而获取了较精确的淋巴组织结构。在图像分类任务中,由于病理数据的像素容量较大,我们设计了一个两阶段分类实验。第一阶段在淋巴区域内切割小块病理图像,进行基于卷积神经网络的病变与非病变的二分类实验,网络训练中对比了迁移学习和无预训练权重两种情况,最终采用结果较好的无预训练权重模型,测试集准确率达到98.78%。第二阶段基于二分类结果进行特征提取,结合图像分割中得到的淋巴结构特征,使用随机森林对全图进行病变程度的分级,ROC分数为0.8538。(2)开发了一款基于iOS系统的病理分析标注软件。将乳腺癌病理分析第一阶段得到的分类模型嵌入移动端,在移动端运行小块图像的分类预测过程。对有代表性的病理标注软件进行功能和使用过程分析,利用移动端良好交互的特质,使用屏幕对手指移动的感知代替鼠标的标注操作,用屏幕录制和音频录制方式记录图片的特征信息,取代键盘键入特征区域文字描述的操作步骤,优化电脑端软件需频繁使用外部设备执行相应功能的使用流程。