一种基于三维CT 图像序列的新的自动肺实质分割方法,综合利用了阈值分割、区域增长及数学形态学等算法,并在特 定体层通过图搜索算法精确定位左右肺前后连接线狭窄区域,有效解决了肺实质边缘结节易分割遗漏及左右肺分离的难题·通过多组胸部CT 序列图像的实验证明,该方法对于肺实质分割非常精确有效。

针对测地线活动轮廓(geodesic active contour，GAC)模型轮廓演化速度慢的问题，构造一个区域灰度相似性信.息项，对GAC模型的能量泛函进行改进，加快轮廓演化速度，将其用于肺部薄扫cT(computed tomography)图像序列中.肺实质的自动分割。采用基于Nystrom逼近的谱聚类算法分割CT图像序列中间位置cT中的肺实质，计算其灰度均值与.标准差，构造区域灰度相似性信息项，以分割好的肺实质轮廓作为初始轮廓，分别从上下两个方向采用改进了能量泛函的.GAC模型实现其它切

基于CT图像的自动肺实质分割方法

基于阈值操作的肺实质分割对 CT 图像的对比度敏感， 常常造成肺部粘连区域的肺实质分割失败。提出一种融合模糊区域对比度增强与阈值和形态学细化分割的新的肺实质分割算法。首先， 根据图像的灰度信息利用线性迭代聚类将图像预分割为多个超像素。然后， 根据超像素的灰度统计信息自动定位模.糊区域， 并进行自适应对比度增强。最后， 基于阈值和形态学操作进行细化分割， 准确提取肺部粘连区域和肺实质。通过对 kaggle 肺部数据集 30 位患者的 300 张 CT 图像进行测试， 结果表明本研究算法的平均分割准