CT影像作为最灵敏的胸部成像模态,在肺部疾病的诊断中得到了广泛应用。尤其,多排螺旋CT技术的快速发展使得基于医学影像的肺部疾病计算机辅助诊断与量化评估成为了可能。肺气管作为人体呼吸系统中重要的功能组织,其管状的树形结构也为功能区间划分和病灶定位提供重要参考。因此CT影像中肺气管树分割是肺部疾病分析、病理参数测量和后续图像配置的基础,也是虚拟支气管镜检查等应用的重要环节。然而,由于CT图像内成像噪声、运动伪影与部分容积效应的影响,肺气管内灰度分布很不均匀,末端易出现局部管壁断裂现象,在分割细支气管时易弥散到肺实质中造成泄漏。另外,肺气管树复杂的三维结构、不均匀的形状变化以及管腔粘液的影响使得该问题变得尤为复杂。针对以上难点,本文分别从胸部CT图像预处理,融合形状、密度和模糊连接度的肺气管树分割等方面来展开研究。具体研究内容包括:1.为了消除原始CT图像内无关组织的干扰,本文提出了一种较简单的肺部区域分割算法,通过采用阈值分割、连通性分析与形态学操作等方法来完成胸部CT图像的预处理,进而定义出感兴趣区域以减少后续计算量。2.针对粗、细气管在形状、密度分布等特点上的各异性问题,本文提出了一种基于区域生长与灰度重建相结合的肺气管树分割算法。一方面利用改进迟滞阈值区域生长算法来完成较粗气管的分割,并引入局部体积突变指标来检测泄漏;另一方面通过基于形态学灰度重建算法来完成较细气管的分割,并采用管形描述子来抑制局部泄漏;最后将上述两种粗、细分割结果合并成完整肺气管树。3.针对CT图像存在的密度模糊问题,本文提出了一种基于区域生长与模糊连接度的肺气管树分割算法。首先通过改进迟滞阈值区域生长算法预先分割出较粗气管,并将其最前端的体素点作为新的种子点集;然后由三维体素点间的模糊邻近度、CT图像内灰度均匀性与气管树的管状结构等特征来构造亲和力函数并计算出种子点与其它体素间的模糊连接度,再对该模糊连接度进行阈值处理与连接元分析以完成气管树的分割;最后融合上述两种分割结果以得到完整肺气管树。为了验证算法的有效性,本文建立了一个综合评价体系。该体系通过采用EXACT’09网站中用于竞赛的20例测试CT数据来对本文所提的两种分割算法结果进行定性与定量的评价与比较,并分别计算出分叉数、分支数、分支数比率以及平均运算时间这四种评价准则。与竞赛网站公布的其它算法相比,本文算法结果评价准则处于中上水平,但算法较简单、计算复杂度较低,在泄漏检测方面有一定优势。