肺癌是当今世界上致死率最高的疾病之一,而在我国由于烟民数量的增大以及环境的恶化,导致肺癌的发病率呈增长趋势。肺癌在早期一般以肺结节的形式出现,因此尽早发现肺结节并进行早期诊断和治疗,能够对肺癌的发生起到有效的预防作用。当前肺结节的检测主要通过CT影像设备实现,而传统剂量的CT辐射强,对人体危害大,所以辐射相对较小的低剂量CT检测在当今社会临床应用越来越普遍。在利用低剂量CT进行检测过程中,由于影像采集过程中使用剂量小,导致CT图像中噪声较多,降低了目标区域和背景区域对比度,对肺结节的分割精度产生较大的影响。因此研究基于低剂量CT图像的肺结节分割算法具有很大临床应用价值。为了减少低剂量胸部CT图像的肺结节分割过程中噪声及灰度分布不均匀等问题的干扰,本文做了以下几个方面的工作:1)在预处理过程中,首先对低剂量CT图像进行小波去噪,在滤除图像中大部分噪声的同时保留图像细节,避免了有效信息的丢失。然后对去噪后的图像进行二值化分割,利用形态学方法获取肺实质,并利用滚球法对边界进行修补,最终得到完整的肺实质。算法简单、计算量小并且效果较好。2)通过对当前医学图像分割领域中应用较多的活动轮廓模型算法进行研究分析,并结合低剂量CT图像的特点,选择基于图像局部像素点信息的LBF模型作为肺结节分割的基础算法模型。3)针对LBF模型的缺陷,结合图像中不同区域相对于肺结节的模糊隶属度不同的模糊聚类思想,在LBF模型中引入模糊速度函数作为轮廓线演化的限制权重因子,从而可排除分割时噪声等因素的干扰。然而在实际临床中,肺结节多以血管粘连型出现,由于肺实质中血管和肺结节的像素灰度值接近,使得这两个区域内的像素点相对于肺结节的模糊隶属度近似,这就会导致在分割血管粘连型肺结节的时候,将肺结节和血管划分为同一类,导致误分割。为了解决该问题,本文根据血管区域像素的特征值,对模糊隶属度进行改进,引入血管特征系数,降低血管区域的影响,从而可有效将肺结节和血管分割开。经实验验证本文提出的算法相比于传统模型可有效提高肺结节的分割精度,对血管粘连型肺结节分割结果更好,并且能有效降低肺结节的误分割率。