当前针对炎症细胞结构的组织病理学图像研究，广泛应用于诊断与科研，但通常忽略了活检切片中大量可获取的信息。在自身免疫性疾病中，关于哪些细胞类型参与组织水平的炎症反应，以及它们之间如何相互作用，仍存在诸多关键性的未解科学问题。尽管传统方法可在一定程度上解答这些问题，但人工智能在图像分割与分类方面的应用，为揭示自身免疫性疾病中炎症结构提供了更为高效的方法，展现出巨大的研究潜力。本文中，我们基于人类皮肌炎活检组织，实证性地开发了深度学习方法，用于检测与识别炎症细胞。该方法使分类性能提升了26%，分割性能提升了5%。此外，我们提出一种新颖的后处理自动编码器架构，进一步将分割性能提升了3%。