随着环境污染的加剧,现代生活方式的紧张,人类面临医学健康问题的挑战越来越严峻。肺部疾病对人类的威胁已经成为不可忽视的问题。以计算机为核心的医学影像技术在医学诊断中的可视化和定量化方面作出了巨大的贡献,从CT数据中分割出肺部气管树对于肺部疾病的判断与治疗起着非常重要的作用。因此从CT图片序列中准确快速的分割出肺部气管树意义重大,是计算机辅助诊断(CAD)系统中必不可少的一部分,具有非常重要的研究价值。进行肺部气管树分割的难度在于对高阶细小支气管的分割。肺部气管树结构本身具有复杂性,在成像中产生的噪声,以及肺气管病变等因素对分割工作干扰巨大。因此本文提出了一种基于T-prim树与优化分水岭分割框架的肺部气管树分割方法,能够快速准确的分割出完整的肺部气管树,在整个过程中几乎不会出现泄露误分割等现象。本文算法的创新性表现在:(1)针对肺部CT图片的伪影与噪音问题使用一种基于简单曲面拟合的区域生长算法,大大优化了算法的遍历过程,提高了算法的鲁棒性,大大的优化了遍历过程。(2)对分水岭算法分割框架进行了优化,在马尔科夫随机场的角度对优化分割框架进行了进一步的修改,可用于从多个对象背景分割出特定的类。(3)对prim最大生成树算法进行改进,提出一种T-prim模型。根据以上优化框架得到的最优能量函数构建了评价支气管灰度数据的可信度评价标准,以此结果作为阈值执行MST算法获得完整的肺气管树结构。(4)在MITK平台上扩展了本文算法,实现了算法的分割以及分割结果的三维可视化。