基于表面等离子体共振成像（SPRI）的传感检测是一种重要的分子间作用检测方法,由于具备无标记、高灵敏、实时性和无损伤检测的优点,而被广泛应用于核酸检测,药物筛选,食品安全和环境监测等领域。然而,将SPRI的分子传感能力转化为实际的临床检测一直存在较大困难,其中一个主要原因是数据分析非常耗时且费力。基于此现状,本文提出并设计了一种基于深度学习的全自动纳米颗粒分析平台,这将极大地促进SPRI传感检测平台的商业化、临床化。同时,随着显微镜成像时间的增加,由于热波动、机械振动等不可避免的存在偏移。本文针对该问题也做了深入研究,详细工作如下。本文从解决长时程下显微镜焦距漂移问题出发,采用基于深度学习的GAN网络对其优化。首先,基于SPRI系统获取纳米金颗粒的全焦距图像栈,并设计了一种规范的图像预处理方法得到一致性图像,对约4万张图像进行人工标记和配对来构建图像配对数据集。其次,基于传统GAN网络添加图像配对的方法建立有监督GAN模型,通过训练得到能够自动对焦的GAN模型,并利用RMSE、SSIM等图像质量指标进行评价。为验证模型的应用范围,分别从宽场图像、延时图像以及倾斜平面图像进行尝试。实验证明,该方法不仅能够逐颗粒进行数字重建,也能够在宽场的方式下校正焦距,具备高通量分析能力。此外,本课题设计了基于深度学习的全自动纳米颗粒分析平台,该平台基于Py Qt框架设计,内置了图像预处理、颗粒识别、颗粒跟踪以及数据分析等模块,将实验数据导入平台即可全自动处理。其中,特别设计了空间滤波方法提高信噪比,并采用YOLOv4网络进行颗粒识别。基于该平台的实验测试结果说明,在处理14万张图像进行训练得到的模型对于包含有30nm的二氧化硅颗粒数据进行识别,整体检测率在85%以上;对于栓有PEG链的金纳米颗粒的动态跟踪实验,能够有效区分单分子特异性与非特异性运动;对于具有不同互补碱基对DNA分子的数字传感检测,能够有效进行传感分析,检测限达f M级,同时能够提取结合时间、杂交解离率等动力学信息。本文设计的全自动纳米颗粒分析平台具备全自动、智能性和实时性等特点,较大的提高了数据处理效率及图像质量,在超灵敏生物传感和单分子结合动力学等领域具有广泛的应用前景,预期这些技术进步将进一步促进SPRI转化为临床技术,实现前沿技术落地化。