近年来,胰腺疾病的发病率逐年上升,严重危害人的身体健康。目前,CT检查已成为胰腺病变诊断最主要的检查方式,可以实现病变的早期诊断,从而有效地提高了患者的生存率。然而,由于胰腺组织解剖结构较为复杂,CT影像数量巨大且易受噪声等因素的影响,有经验的影像科医生也很难精准地手动分割胰腺组织。因此,如何快速、准确、有效地分割胰腺是目前急需解决的核心问题。本文提出了基于卷积神经网络及水平集优化的胰腺组织分割算法。算法内容主要包括:(1)预处理阶段:提出利用分数阶微分方法增强胰腺与周围组织的对比度,再将原始数据进行翻转、平移及旋转等操作增加训练样本的数量。(2)初始分割阶段:利用卷积神经网络提取胰腺组织边界,并将其作为初始分割结果。(3)精确分割阶段:首先将上述分割结果作为先验信息,并根据先验信息条件提出了灰度约束项,再结合长度项、面积项、正则化项组成本文的水平集模型;通过水平集演化,最终得到胰腺组织分割结果。改进的水平集模型不仅可以有效地克服弱边缘,而且改善了传统水平集方法的欠分割、过分割和溢出现象。本文方法与其它传统水平集方法进行了比较,实验结果表明,本文提出的方法能够得到更准确的分割结果,具有临床应用前景。