图像分割是图像处理和计算机视觉领域中的基本技术,是大多数图像分析及视觉系统的重要组成部分。医学图像分割是图像分割的一个重要应用领域,在临床诊疗中起着越来越重要的作用。医学临床实践和研究经常需要对人体某种组织和器官的形状、边界、截面面积以及病灶之间的距离进行测量,从而得出该组织病理或功能方面的重要信息。精确的测量对疾病的诊断和治疗有重要的临床意义。由于医学影像的成像特点及图像质量的不同,应用传统的图像分割方法来提取边界可能效果不佳。为此,可变形模型的方法被广泛地研究和应用在医学图像分割中。 本文首先分析了目前广泛应用的医学图像分割方法,讨论了每类分割方法的特点和其所适用的范围,接着重点对可变形轮廓模型在医学图像分割方面进行了研究。课题针对CT图像的分割方法,提出了一种基于GVF模型的改进的活动轮廓分割法,克服了GVF模型不能处理深度凹陷区域的问题。实验结果表明,改进后的分割方法较原Snake模型及GVF模型的效果更好。 在病灶区域被分割后,对其表征参数进行了测量分析,包括病灶区域的形状、大小及病灶区域之间的距离,这可为医生进行手术方案的制定和治疗提供一定的依据。