机器学习尤其是深度学习的发展极大提高了图像解释能力,并改变着细胞生物图像的分析和理解,这种突破也是智能细胞生物分析的基础。基于深度学习的细胞生物图像分析有三个组成部分:建立标注的训练数据集、有效的模型训练及模型的部署应用,因此需要生成原始显微图像的标注数据。针对此问题,本论文从标注数据集构建方法入手,设计了一个集成多种标注形式,自动化显微图像处理、可交互数据标注的细胞数据标注系统,并应用该系统对电子显微图像与荧光显微图像中的目标物标注进行了实验,主要内容如下:(1)对生物细胞领域的包括荧光显微镜和电子显微成像的几种典型成像方式的图像成像特点进行了分析,并结合细胞图像的标注形式及适用场景,提出了一种标注方案。(2)在标注方案基础上,设计了 一种细胞显微图像标注系统。该系统不仅支持手动标注,也支持利用系统集成算法进行人工干预的半自动标注,大幅提升标注效率。标注数据和算法模块部分共同构成了细胞三维标注系统。(3)应用标注系统进行面向深度学习分割应用的标注实验。在荧光显微图像中细胞器的标注,以可视化的交互式算法处理构建方式,利用多种参数可调的形态滤波器进行目标结构的提取,直接生成三维亚细胞结构标注数据集。在电子显微图像中采用深度学习的方法,以模型提取目标结构特征生成对线粒体与膜结构的标注预测,提升二维手动标注效率。