指甲上出现深色色素（色素痣）是常见的现象,这种现象称为甲黑线,属于皮肤病的范畴。甲黑线现象的发生有可能是恶性黑色素瘤导致,恶性黑色素瘤是致死率极高的癌症,其早期诊疗非常关键。甲黑线的诊断主要参考ABCDE规则,包括色素痣的不对称性、边缘、颜色和直径等指标。目前基于人工智能的甲黑线的相关研究存在以下问题:（1）无高质量公开数据集,数据支持不足;（2）研究量较少,大部分研究是基于分类算法,算法可解释性不足;（3）甲黑线数据包括皮肤镜图像和手机图像,存在分布偏差的问题;（4）缺乏落地应用。基于上述问题,本文主要开展了以下三项工作:（1）本文开展了甲黑线皮肤镜图像分析算法的研究,针对数据集缺乏的问题,建立了甲黑线皮肤镜图像数据集,并提出基于图像分割的甲黑线皮肤镜图像分析算法,该算法系统由图像分割子算法和指标分析子算法构成。图像分割子算法的作用是提取甲黑线皮肤镜图像的指甲区域和变色区域,为此本文提出了基于Attention UNet的改进图像分割算法,通过加入特征丰富模块和边缘增强模块,提高了网络的特征利用能力和边缘分割效果,实验结果表明,该算法能对甲黑线皮肤镜图像实现有效分割,且分割效果优于Attention UNet等网络。在此基础上,指标分析子算法根据甲黑线诊断ABCDE规则对具体指标进行量化分析,通过医生评价,该分析算法有较好的可解释性。（2）本文开展了甲黑线手机图像分析算法的研究,针对数据集缺乏的问题建立了甲黑线手机图像数据集,针对手机拍摄图像与皮肤镜图像存在的视觉表征分布差异,提出了基于域自适应的甲黑线手机图像分割算法。首先进行图像预处理,利用自动定位模块找到手机图像的指甲位置并剪裁,然后以皮肤镜图像为源域（有标签）,以手机图像为目标域（无标签）,利用基于对抗的域自适应图像分割算法减小输出空间的域间差异,实现对手机图像的无监督分割。实验结果表明,该算法能够在缺少标签的情况下,对手机图像实现有效分割,且表现优于对比网络。（3）本文设计了甲黑线手机图像智能分析应用系统。该应用系统由基于Android的手机App和服务器组成。用户通过手机App获取指甲图像并上传至服务器,服务器获取图像并调用甲黑线图像分析算法,返回算法分析结果到手机。该应用系统有助于患者在早期进行自我病情分析和节省医疗资源。