正电子发射型计算机断层显像(PET)作为先进的医学影像技术,广泛应用于心脏、神经系统、恶性肿瘤疾病的临床诊断中,尤其对癌症的确诊、早期筛查、发展阶段确定、治疗效果检测有着良好的效果,也是肺癌治疗的重要手段之一。PET图像分割算法的研究具有重要意义。由于PET图像自身特征,使得传统的图像分割算法无法获得理想的分割效果,在分割速度、分割精度上都存在一定不足。本文提出一种基于Itti视觉显著模型的Grab Cut图像分割算法,简化操作步骤,提高PET图像的分割效率、分割精度,使得整个过程自动化。首先,本文详细介绍了PET图像的成像原理,以及Itti视觉显著模型,进一步介绍了Grab Cut、Snake、CA-Grab Cut三种图像分割算法;然后,对医学图像分割算法评价测度进行分析,具体包括可靠性、精确性、区域统计、效率;此外,简要介绍了医学图像算法研究内容,为后续研究内容做铺垫。其次,本文介绍了传统的Itti模型与GrabCut算法存在的不足,在此基础上引出本文基于显著性技术的图像分割算法。本文算法在考虑PET图像为灰度图像,且分辨率不高的特点,提出了改进的Itti模型与改进的Grab Cut图像分割算法,解决了原有算法在灰度图像上的不足。同时,取消了用户划分区域的操作步骤,实现自动化处理,在优化图像分割效果的同时,提升算法的运行时间。详细给出了本文算法的操作流程与步骤。最后,通过肺癌PET图像对比实验验证本文算法。对比算法包括Grab Cut、Snake、CA-Grab Cut,分别在分割时间、用户交互次数、总体误差率、Kappa系数几个方面做比较。本文算法简化了操作流程,实验结果表明,与其他算法相比,在肺癌PET图像的分割中,本文算法具有更好的精确性、可靠性,更高的分割效率,更加简化的用户操作。