利用计算机对细胞图像进行模式识别是一种新兴的图像识别技术，它可以降低人工识别细胞图像的劳动强度，提高识别的速度和准确度。微波辐射自体外周血干细胞体外净化以简单、费用低等特点成为近年治疗白血病的一个热点净化方法，但该方法目前亟待解决的是较高复发率比问题。不能有效检测和控制分离液中的温度以控制微波辐射时间，使分离液（净化物）中的温度变化到能充分杀死白血病细胞，同时又最大限度保护正常干细胞免受损害的程度（癌细胞通常比正常细胞耐热性差55-60C]，是较高复发率产生的主要原因。为此，本文根据白血病肿瘤细胞和正常细胞、存活细胞和死亡细胞具有不同形态的特点，主要研究了如何应用模式识别技术，来有效识别在不同复杂条件下细胞图像中的正常细胞和白血病肿瘤细胞，以及它们的存活或死亡状态问题，为进一步研究基于细胞模式识别技术的微波辐射自体外周血干细胞体外净化技术提供重要的理论和应用基础，同时也为细胞模式识别技术在生物医学其它领域的研究应用提供一种新思路。　　 本文主要完成如下研究工作：　　 首先在深入研究目前各种图像处理算法特点基础上，确定了适合本文图像处理方案，并在VC++平台上进行编程实现。　　 然后提出了一种新的图像识别算法。该算法特点是把细胞和细胞核分别作为细胞图象处理过程中的重点，对细胞和细胞核进行两次图象处理，达到了很好的图象处理效果，在缩短细胞识别时间的同时，较大地提高了细胞识别的准确度。并利用该算法，对从外周血干细胞分离液中提取细胞图片中的癌细胞和正常细胞进行分类识别，并在VC++平台上进行编程实现。实验结果表明，平均单幅图象识别需要时间为3秒左右，识别率为85％以上。而用其它的识别算法对相同的细胞图像进行模式识别，需要时间为3-5秒，识别率为70％左右。　　 接着在深入研究死亡细胞和存活细胞特征的基础上，确定了能有效识别这两类细胞特征参数及相应的判定方法。用本文提出的识别方法对细胞悬液中的存活和死亡细胞的细胞图像进行了有效识别，且识别时间较短，识别率较高。　　 最后针对实际提取到的细胞图像中可能出现的较大噪声、细胞粘连等复杂现象，对本文所提出的识别算法进行了相应改进，使之对复杂环境下的细胞种类、存活和死亡细胞也能进行有效识别。