产科超声检查和妇科细胞学检查是妇产科常用的检查技术。其中,产前超声诊断的关键任务是获取感兴趣解剖结构的标准切面图像和进行相应的生物学测量,然而,这两个任务的完成质量依赖于超声医师的技巧和经验；宫颈细胞学筛查需细胞学技师使用显微镜从整张涂片中人工搜寻异常细胞,计算机辅助细胞检测系统(CCT)则能自动挑选出异常细胞,然而,目前的CCT尚未在临床上广泛使用。为降低产前超声诊断结果的用户依赖性,本论文提出“智能超声扫查”理念,旨在基于图像分析方法实现早孕囊标准切面(SPGS)定位及生物学测量的自动化；为推进CCT的临床应用,本论文提出对手工液基细胞学(MLBC)制片结合苏木素-伊红(H&E)染色的涂片进行“智能细胞学筛查”,旨在表明该系统的筛查性能与针对自动液基细胞学制片(ALBC)结合专用染色的CCT具有可比性。本论文设计的智能超声扫查算法框架分三步：首先,按由粗到精的检测策略,用两个级连AdaBoost分类器从超声序列图像中快速准确地定位出候选孕囊；然后利用序列图像中解剖结构之间的相对位置关系,排除假阳性检测结果,并选出SPGS;最后,提出一种数据库引导的多尺度标准割算法,用于获取孕囊的初始轮廓,并基于此,使用改进的蛇模型修正孕囊轮廓,进而得到测量结果。上述算法测试于来自31位孕妇的31段超声视频,结果显示,系统和超声医师在SPGS选择、长径测量、前后径测量等三个方面的差异分别为：7.5%±5.0%、5.5%±5.2%、6.5%±4.6%。进一步的验证表明,智能超声扫查的精度在医生间的差异范围内。因此,本论文认为,对二维超声影像中的早孕囊进行智能扫查,是一项可行的、可重复的和可靠的方法。此外,本论文提出的智能超声扫查算法框架经扩展后,有望应用到其他胎儿解剖结构的扫查任务中。本论文对智能细胞学筛查系统的研究工作主要集中在自动细胞分割和分类两个方面。在分割方面：1)提出结合A*通道与混合多类分割的方法,能准确分割H&E染色图像中的细胞质；2)提出适用于异常细胞核分割的局部自适应图割算法；3)联合两种基于凹点对的分离算法有效分离粘连细胞核。在分类方面：1)设计了一个基于监督学习的宫颈细胞分类框架；2)新加入的粗糙度索引和局部二值模式(LBP)均值等特征能有效排除杂质和正常细胞；3)采用特征预处理技术提高分类器识别异常细胞的敏感性；4)利用细胞核面积上下文信息和近似的细胞质特征提高识别正常细胞的特异性。细胞病理学家使用智能细胞学筛查系统对43张涂片(21例异常,22例正常)做初筛,取得88.1%的敏感性和100%的特异性。初学者使用智能细胞学筛查系统做复筛,能找出8.3%的疑似异常涂片,这其中有25%为假阴性。参考商业CCT的性能可知,智能细胞学筛查系统具有高敏感性和高特异性,这说明对H&E染色的MLBC涂片进行智能筛查是可行的,此结论有望使CCT获得更广泛的应用。