目的 循环染色体异常细胞 （ ｃｉｒｃｕｌａｔｉｎｇ ｇｅｎｅｔｉｃａｌｌｙ ａｂｎｏｒｍａｌ ｃｅｌｌ，ＣＡＣ）检测是一种无创或
微创、敏感、经济的肿瘤早期诊断方法。 荧光原位杂交（ ｆｌｕｏｒｅｓｃｅｎｃｅ ｉｎ ｓｉｔｕ ｈｙｂｒｉｄｉｚａｔｉｏｎ，ＦＩＳＨ）通过计算
荧光探针在细胞核内产生的增益，可以准确地检测 ＣＡＣ 中基因异常的繁殖。 然而，基于 ＦＩＳＨ 的 ＣＡＣ
识别存在细胞核重叠和荧光信号形态多样的问题，人工检测荧光信号是困难的。 方法 本研究基于四色
荧光原位杂交肺癌图像，针对细胞核和染色信号形态特征提出一种级联细胞核分割网络（ ｃａｓｃａｄｅｄ
ｎｕｃｌｅｉ ｓｅｇｍｅｎｔａｔｉｏｎ ｎｅｔｗｏｒｋ，ＣＡＣＮＥＴ）和信号点检测网络（ｓｉｇｎａｌ ｄｅｔｅｃｔｉｏｎ ｎｅｔｗｏｒｋ，ＦＩＳＨＮＥＴ）的 ＣＡＣ 识别
方案。 首先使用 ＣＡＣＮＥＴ 对细胞核进行分割获取掩膜，并对应裁剪荧光染色信号图像，然后对单细胞
核内的信号点使用 ＦＩＳＨＮＥＴ 进行检测，最终对信号点计数并利用临床诊断方法判别细胞。 其中，
ＣＡＣＮＥＴ 通过结合注意力机制和边缘约束算法提升重叠细胞核分割效果。 ＦＩＳＨＮＥＴ 通过热图回归拟合
染色信号形态，并且自定义轻量化目标检测网络提升信号点识别性能。 结果 本研究构建 ４４ ０００ 细胞核
进行模型的训练和测试。 测试结果显示，本研究提出的 ＣＡＣＮＥＴ 在细胞核分割上取得 ９２?? ６７％的交并
比，ＦＩＳＨＮＥＴ 在信号点检测的平均精度接近 ９８％且模型参数量仅有 ２?? ２４ Ｍ。 ＣＡＣ 识别的敏感性和特异
性分别为 ９６?? ５２％和 ９９?? １％。 结论 本研究提出的 ＣＡＣ 识别方案是高效且鲁棒的，并且与现有的 ＣＡＣ 识
别方法相比有一定优势，有助于提高临床肺癌诊断结果的可靠性