在本文中，我们提出了一种新颖的基于轮廓种子对学习的框架，用于健壮和自动的细胞/细胞核分割。 显微镜图像中的自动颗粒物分割对于细胞癌的病理分级和基因表达具有重要的临床意义。 过去文献的重点是通过分割某种类型的细胞/细胞核或简单地分裂聚类对象而没有它们的轮廓推断。 我们的方法通过根据统一回归问题制定检测和分割任务来解决这些问题，其中训练级联稀疏回归链模型，然后将其应用于返回对象的位置和聚类对象的整个边界。 特别是，我们首先学习每层中的一组在线卷积特征。 然后，在提出的级联稀疏回归链中，利用学习到的特