前列腺癌是男性生殖系统最常见的恶性肿瘤，被视为危害中老年男性健康的主要原因之一，只有早发现、早治疗，才不会错过治疗的最佳时机。前列腺病理切片图像自动分析的核心算法，已成为国内外学者的研究热点。因此，研究前列腺病理切片的自动分类算法，对开发前列腺计算机辅助诊断系统，辅助医生诊断，有很大的帮助。为提高医生工作效率和防止前列腺病理图像人为标记失误，本文提出了一种基于深度学习的前列腺病理图像组织来源的判断算法。该算法首先对前列腺病理图像按图像块进行随机采样，并通过白化等预处理后，用深度学习算法对这些采样图像块进行无监督的学习，然后将学习到的特征作为Softmax回归分类器的输入，对随机采样的图像块分类,最后利用ROC(Receiver Operating Characteristic)曲线，选取合适的阈值，对整幅图像进行分类，实现对前列腺病理图像组织来源的判断。在前列腺癌病理图像识别方面，癌变前列腺病理图像空间整体结构相比正常前列腺病理图像有以下差异：前列腺间质结构紊乱，方向不规则；腺腔区域变小，甚至无腺腔；细胞核散乱分布。本文利用基于空间金字塔匹配(Spatial Pyramid Matching,SPM)的词袋模型(BagofWords,BoW)方法，对前列腺病理图像空间整体信息进行描述，最后用SVM分类器进行分类。实验结果表明，本文提出的前列腺病理切片图像分析方法是可行的，具有较好的鲁棒性。