肝脏手术是常见肝脏疾病的主要治疗方法之一,将肝脏组织从CT图像中准确的分割出来,是计算机辅助诊断和计算机辅助肝脏手术中的重要步骤,通常由有经验的医学专家进行手动分割,效率低下且分割效果受分割人经验限制,因此研究自动的肝脏分割方法有很重要的现实意义。本文在前人研究的基础上,确定了首先由图谱配准确定肝脏初步分割,然后在肝脏边界区域内构造分类器对体素进行分类获得最终结果的思路,同时使用有效的预处理来去除无关干扰和实现自动分割。具体来讲,本文对肝脏分割中的CT图像预处理、均值图谱分割和卷积神经网络进行了相关研究和实验。本文的主要工作如下:在预处理阶段,利用解剖先验知识,通过阈值滤波、区域生长等操作,设计了一系列有效的预处理操作,包括对图像横断面偏转角度进行了归一化,搜索得到肝脏的大概范围,对图像进行阈值滤波。通过预处理有效地确定了后续分割的感兴趣区域,对齐了肝脏在图像中的位置,去除了图像中的部分无关信息,有利于减少误差,提升肝脏分割的效果。使用图谱分割的方式获得肝脏的初步分割,在训练数据集中通过两两进行B样条配准获得变形场并求均值的方式获得均值图谱,先后通过仿射配准和B样条配准获得肝脏的初步分割结果。在均值图谱分割结果的基础上,应用深度卷积神经网络在肝脏边界处进行体素的识别分类。在肝脏边界区域利用滑动窗口的方式提取训练数据并训练网络,以图谱分割结果的边界区域数据块作为分类器的输入,对分类结果进行后处理后得到分割结果。讨论了不同图像数据块大小对结果的影响。对分割结果进行分析与评价,并与其他文献中的算法进行对比,表明了本文算法具有较好的准确性和鲁棒性。