左心耳是人体心脏中重要的组织结构之一,它与左心房相连,血流相通,内部分支纵横交错。左心耳的性状变化与心脏疾病密切相关,左心耳图像的分割是对左心耳进行分析的重要步骤之一。如临床上的左心耳封堵术,利用生物3D打印技术制造人工左心耳等研究都需要以左心耳图像分割为基础。本文主要针对左心耳这一人体心脏组织结构展开了图像分割算法研究工作。由于左心耳在生理结构上与左心房相连,在CT图像上与左心房没有明显的边界,结构特殊。传统的图像分割方法是建立在分割对象有边界的基础之上,利用边界处图像灰度值或灰度分布的差异作为识别边界的特征进行分割。然而对于本就没有边界的左心耳而言,由于无法从灰度中获得边界特征,因此难以准确确定分割边界。为此,本文针对左心耳无边界与左心房黏连的结构特点,提出了三种改进算法:1.以区域生长算法为基础,针对左心耳的位置特点,提出改进的像素生长的策略。使用Bresenham算法在位于左心房与左心耳的黏连处设定生长停止面,进而使区域生长算法在黏连边界处停止像素生长。实验结果表明,使用该方法能分割出左心耳结构,但还存在在人工交互的不足之处。2.为解决Bresenham区域生长算法存在需要人工交互的不足,根据左心耳图像分割的位置结构的特点,本文提出了以水平集算法为基础,使用距离特征弥补左心耳边界特征缺失的距离水平集算法。实验结果表明,该方法比常见的距离分水岭算法具有更好的分割结果。3.Atlas方法较好得运用先验知识,因而被广泛用来处理弱边界、黏连问题的图像分割。但传统Atlas算法需要大量标签图像,以及大量配准过程,其效率较低,无法广泛应用到序列分割、三维分割上。本文根据左心耳相邻图像序列的特点,提出了利用图像序列间相邻关系,实现单张标签图分割序列图像的策略,提高了算法效率。再将分割结果作为初始轮廓作用于距离水平集算法,实现了左心耳图像序列的精细分割。实验结果表明,Bresenham算法能半自动的解决左心耳无边界分割问题,距离水平集算法能提高算法的鲁棒性,相邻信息Atlas方法提高左心耳图像分割的精度。本文针对左心耳图像的位置特点,提出左心耳分割方法,取得较好的分割成果。