循环肿瘤细胞(CTC)检测计数对于肿瘤早期筛查、癌症进展、预后判断等具有重要意义，目前已经受到研究者广泛关注。基于免疫磁珠分离的CTC分离的方法目前发展较为成熟，通常结合免疫荧光染色方法进行CTC鉴定和计数。本论文针对这个技术路线中，CTC分离和检测计数的速度慢、无统一鉴定标准问题，利用微流控芯片技术和深度卷积神经网络开展研究工作，并开发了自动化CTC分离装置。　　本论文首先开发了用于CTC检测的微流控芯片。芯片上集成了样品过滤、CTC分离和单细胞定位模块，并针对芯片专门定制研发了图像分析软件，可自动化实现从进样到CTC计数的全过程。经过测试和优化，该芯片系统对CTC的处理速度和分析效果均优于人工方法，为CTC快速检测提供了新方法。　　本研究也研究了不依赖于芯片微结构的普适性CTC图像识别方法，即基于深度卷积神经网络的自动识别方法。该方法采用有监督学习方式，图像经预处理后，再由人工识别分类，然后对网络进行训练。经测试，网络识别CTC效果已经优于人工水平，且加大正样本后仍有提升空间，为生物图像自动化分析提供了新思路。　　在普适性CTC图像识别方法的基础上，本研究继续改进了CTC检测的手工方法，得到了自动化CTC磁分选装置。该装置采用强磁场在细小的管路中进行CTC分离，改善了手工检测因磁场强度不足带来的捕获时间长，分离效率不佳的问题。装置还可以与前面开发的基于深度学习网络的CTC图像分析方法结合，实现CTC检测全过程的高效和自动化，有助于促进CTC检测应用的广泛推广。