计算机断层扫描图像(Computed Tomography,CT)也称之为CT图像,CT图像成像技术具有成像清晰和成像速度快等优点,已经成为临床检查中的常用手段。现今生活中80%的成年人患有脊柱疾病,进行椎骨术前模拟量化的前提及重要步骤是将单个椎骨从CT序列图像中分离出来作为单独的椎骨并标记。但是脊柱结构复杂,空间位置相互交错,相邻椎骨极其相似等特点,使得用传统的分割方法难以从脊柱CT序列图像中分割出单个的椎骨。因此,在计算机辅助手术中快速、准确分割出单个的椎骨是一项紧急且重要的任务。本文研究了基于级联卷积神经网络的椎骨CT图像分割算法对脊柱CT图像进行自动分节段分割。首先,本文在最初对图像进行了CT图像预处理方法研究,包括限制对比度自适应直方图均衡化(Contrast Limited Adaptive Histgram Equalization,CLAHE)图像增强、阈值分割及膨胀操作,提高输入图像的质量减少输入体素点数量。接着,粗分割混合残差全卷积神经网络(Fully Convolutional Neural Network,FCN)对椎骨和周围其他组织进行大致的分割,得到初步椎骨粗分割结果。最后,级联细化分节段分割卷积神经网络(Convolutional Neural Network,CNN)将粗分割结果进行细化分割,并对不同椎骨进行标记完成自动分节段分割。通过在公开数据集上实验,得到本文研究的方法在椎骨CT图像的平均分割DSC达到95%,分割结果类别标记准确率能达到98%以上。本文研究的分割算法与先进的V-Net网络相比在分割准确度上提高5%,分割时间上提高约2分钟,本文方法能够实现脊柱CT图像的快速、准确分节段分割。