针对宫颈癌细胞学筛查中由于宫颈细胞核形状复杂多样等因素而导致分割不够精确的问题，提出了一种结合了全卷积网络（FCN）和全连接条件随机场（CRF）的细胞核分割方法。首先，根据Herlev数据集的特点搭建微型全卷积网络（T-FCN），利用细胞核区域像素级别的类别先验信息，自主学习多层次特征来获取细胞核的粗分割结果；然后，通过最小化包含有整幅细胞图像中所有像素类别、像素色彩值与位置等信息的全连接CRF的能量函数来剔除粗分割结果中微小的误分割，并细化分割边缘。在Herlev数据集上的实验结果显示，提出的方法在查准率（Precision）、查全率（Recall）与Zijdenbos相似性指数（ZSI）上均有高于0.9的表现，表明得到的细胞核分割结果与其真实轮廓高度匹配，分割精确。相较于传统方法中对异常细胞核的分割精度较正常细胞核低的情况，提出的方法在异常细胞核的分割指标上普遍优于正常细胞核。