黑色素細胞病變發生于皮膚表層，惡性病變即為致死率極高的黑色素瘤，嚴重危害人類健康，病理組織學分析是其診斷的金標準。本文對黑色素細胞病變病理全切片圖像（WSI）進行分類研究，提出一種基于深度學習的黑色素細胞病變全流程智能化診斷方法。首先，基于CycleGAN神經網絡對多中心病理WSI進行顏色校正；其次，通過745張WSI構建以ResNet-152神經網絡為架構的深度卷積網絡預測模塊；然后，級聯以預測概率平均值計算為核心的決策融合模塊；最終，分別采用包含182張和54張WSI的內外部測試集驗證所提方法的診斷性能。實驗結果顯示，所提方法的整體準確率在內部測試集上達到94.12%，在外部測試集上超越90%；采用的顏色校正方式在組織結構保持、偽影抑制方面均優于傳統基于顏色統計或染色分離的方式。研究證實了本文所提方法可實現高精度、強魯棒的黑色素細胞病變病理WSI分類，對推動臨床病理人工智能輔助診斷具有重要的指導意義。