医学图像分割是医学图像处理中的核心环节之一,涉及到数字图像处理、模式识别、计算机视觉、生物医学等背景学科,是一项多学科交叉的技术。它能够代替繁复的人工勾画,突出医生感兴趣的组织区域;还可以简化后期处理的运算复杂度,给后续的分析带来便利。目前医学图像分割的研究趋向于以下几个方向:进一步的降低医学图像分割对人工的依赖度,提高算法的智能性;通过改进经典算法扩大算法的适用范围;针对新兴采集技术获取的图像采取相应的分割策略;对特殊的分割需求设计特殊的分割算法;优化算法,降低算法的复杂度,提高算法效率。本文对于其中的一些问题进行了探索和研究,主要内容有:1.在经典的阈值分割算法Otsu法的基础上,综合偏移场图像模型,提出了一种综合Otsu算法和偏移场校正的交织型算法。在算法的迭代过程中,Otsu分割和偏移场校正轮流进行,互相促进,最终分割结果和偏移场校正结果同时得到。该算法相比原始的Otsu算法,对医学图像中常见的灰度不均匀现象的鲁棒性大大加强。2.借鉴信息融合的思想,将单通道图像分割算法扩展为多通道。该算法主要针对的是超高场强的脑部核磁共振图像的正常组织分割。超高场强图像中的偏移场很强,相比之下不同组织区域之间的对比度不够高,从单一模态的图像中很难分割出组织区域。我们通过多种模态的图像同时分割的方式,相互约束相互激励,综合了多种信息以达到更好的分割效果。3.针对多通道病变组织分割中对脑室分割的需求,设计了一种新颖的脑室分割算法。该算法先调整参数人为扩大分割结果中的白质区域,之后通过连通性聚合出一个mask,最后利用mask恢复出正常分割图像中的脑室区域。相比传统的只用连通性寻找脑室的方法,该算法减少了许多误分,具有较强的鲁棒性。