随着社会人口的不断增长和生活环境的不断变化,医疗资源的需求不断扩大。由于能够为临床提供明确的病理诊断,病理科检验的需求增长尤为明显。近年来,人工智能与智慧医学成为医学界乃至全社会热议的话题,数字病理成为病理科检验的发展趋势。实现智能化病理诊断不仅能辅助医师提高诊断的准确度,也可以大大减轻医师的工作负荷,从而提升检验效率。因此,实现科学可靠的智能化病理检验成为数字病理的重中之重。本文针对这一热点难题,对宫颈上皮组织癌变进行了研究,建立了数字病理多维度综合诊断模型。该模型结合了HE（Hematoxylin-eosin Staining）染色和免疫组化中的P16和Ki67染色进行分析并给出综合诊断结果,进而提升病理科检验的准确度和效率。本文的主要工作内容如下:1、分析了数字病理的发展趋势和现状,阐述了人工智能和智慧医学相结合的重要意义,并对目前数字病理的理论基础和相关技术进行研究。2、与陆军军医大学第二附属医院展开合作,选取宫颈癌诊断中的穿刺样本切片作为研究对象,分析了诊断宫颈上皮组织癌变的理论依据,进行了基于数字切片图像的特征提取。3、构建了针对宫颈上皮组织癌变的多维度综合诊断模型,结合了三种不同染色方法下的病理图像特征。首先基于二值图像连通域算法,实现了三种染色图像的兴趣区域分割。其次基于尺度不变特征变换算法,对三种染色图像的同一兴趣区域进行图像匹配和对准。然后基于超像素和U-net神经网络,实现了对上皮组织区域的提取并进行了图像特征增强。最后基于残差神经网络和支持向量机搭建了综合诊断框架,对三种染色图像的上皮组织密度图进行分析。4、本文以陆军军医大学第二附属医院提供的上百张数字病理图像数据为基础,与医院医师一同合作对数据进行了分析及预处理。基于整理后的数据集对提出的模型进行了实验,并分析了不同病理表现情况下该模型的各项指标。