骨髓间充质干细胞,是一种具有支持造血,促进造血祖细胞增殖,调节骨髓微环境等功能并具有多向分化潜能的干细胞。骨髓间充质干细胞还在组织免疫调节方面发挥着重要作用并可作为组织工程中的种子细胞进行疾病治疗。目前没有完善的骨髓间充干细胞生理功能评价体系,主要依赖医生的临床经验与蛋白表达测定。基于形态学的细胞图像自动分类与识别是客观化评价细胞生理功能的一项关键技术。本文主要工作包括:细胞培养后,采用荧光共聚焦激光显微镜获取骨髓间充质干细胞图像,图像为带有核质不同染色信息的光学切片。针对光学切片的图像退化现象,本文采用盲反卷积法消减散焦面造成的退化影响,从而完成图像复原。之后,再利用加权平均法和大津法进行灰度化与二值化。在二值化图像的基础上采用移动立方体算法对三维细胞轮廓进行面绘制,重建细胞的三维结构。但由于生物实验操作和共聚焦显微镜拍摄角度的限制,通过BMSCs光学切片重建出的三维结构存在各种姿态与位置,从而影响细胞特征提取与分类的一致性、准确性和稳定性。因此,提出了在三维轮廓中查找空间长轴方法,并利用坐标轴旋转法进行基于空间长轴重切片获得的最大剖面作为特征提取的基准面。在此基础上计算细胞图像的形态学特征,利用遗传算法进行特征分析与选择。基于选择的特征利用不同核函数的支持向量机和不同网络结构的多层感知器进行分类识别,验证了算法的有效性,比较了不同结构分类器性能,识别准确率最高达97.8%。最后,利用卷积神经网络,输入细胞最大剖面图像,利用数据扩增技术扩充样本,结合迁移学习思路,成功的将Inception V3应用到骨髓间充质干细胞的分类识别当中,其较传统机器学习方法性能最佳,准确率高达98.9%。本文提出的基于骨髓间充质干细胞光学切片的预处理与三维重建方法、计算细胞三维结构空间长轴以及利用坐标系旋转法获取最大剖面的方法,为获取特征向量和分类识别奠定了充实的基础,使用的分类器均性能优异,为骨细胞功能客观化评价提供了基础与依据。