呼吸系统疾病是全世界范围内流行的疾病,有相当高的发病率和死亡率,早期诊断和干预对降低死亡率有积极意义。早期诊断的一个重要指标是气道重塑,而目前对其研究的一个主要障碍是无法准确地观察气道的重塑变化。光学相干层析成像技术(Optical Coherence Tomography,OCT)是一种新的成像技术,能以接近组织学的分辨率观察到气道表面2～3mm深度的组织结构。利用OCT成像系统对气道成像,通过分割算法可以准确地量化患者气道重塑的程度,检测吸烟者早期癌前病变,纵向追踪疾病的进程并有助于评估当前和未来治疗方法的有效性。本文对目前常用的医学图像分割算法进行了研究,并将相关算法用于分割气道OCT图像,通过分析相关的实验结果选用图论和动态规划算法进行改进用于气道OCT图像分割。首先根据气道OCT图像特点和存在的问题对图像进行预处理:针对图像中存在的伪影、灰度不均匀等问题提出了基于A-scan的图像增强方法,该方法能较好的去除图像中的伪影并增强图像的对比度;为了便于分割,利用了塑料鞘、肺泡和软骨的位置将气道壁内、外边界限定在一个较小的感兴趣区域内。其次,由于气道OCT图像存在边界崎岖、干扰因素多的问题,原始图论结合动态规划算法分割准确率偏低,为了提高分割的准确率,提出了基于灰度信息的边界加权图论算法。该算法将灰度信息加入权函数中,能有效的分割出干扰因素多、崎岖的气道组织边界。最后,根据OCT采集的相邻图像组织结构相似的特点,提出采用序列图像分割方法,即利用相邻图像分割信息来获取目标边界的感兴趣区域。将所提算法在72幅气道OCT图像上进行分割测试,实验结果表明,本文提出的算法分割结果与手动标注的边界误差在7.2个像素以内,优于传统分割算法结果。用序列图像分割方法分割气道壁外边界的结果与手动标注误差在5个像素左右,其结果优于单幅图像分割结果,而且,其算法分割的速度和稳定性也优于单幅图像分割算法。