随着现代显微成像技术的不断发展,研究人员每天可收集成千上万高分辨率的细胞图像。对于这些图像的处理与分析,现有的基于本地计算资源的细胞图像分析软件可利用计算机图像处理技术对细胞图像进行自动化识别和定量分析,但仍存在数据共享不易,不支持团队协作,定制处理新细胞类型的算法方案难度较高等问题。因此,本文从生物医学研究发展的需求出发,研究基于浏览器/服务器（Browser/Server,B/S）架构的面向显微细胞图像的算法平台,为科研人员提供一个功能丰富、易于学习、灵活多变且支持团队协作及用户自定义算法的细胞图像处理软件工具。主要工作如下:（1）将研究人员的需求抽象为系统的基本功能模块,根据功能模块进行系统分层架构及数据库设计。平台支持团队合作,提供完善的团队权限管理和项目进度管理功能,用户可组建团队共享数据算法实现协作处理。（2）平台集成了面向细胞图像的传统算法和深度学习算法,将其封装为带有可调参数的算法组件,用户可动态调用。平台支持具有一定图像处理基础的用户自定义算法解决方案,通过拖拽和连线封装的算法组件即可完成算法方案搭建,从而实现快速的算法验证。自定义算法可以保存以便分析重现、重复使用和团队共享。（3）通过荧光显微图像中的纤毛及细胞核检测实验及电子显微图像中的线粒体及膜结构分割实验对平台进行功能验证。检测实验使用传统图像处理算法,在自定义算法界面上完成算法搭建和测试,并通过平台的可视化工具完成数据分析。分割实验采用深度学习算法,其中的线粒体分割实验标注了小批量数据,在平台提供的深度学习训练平台上完成模型训练,将训练后的分割模型应用于后续数据处理。