最新的医学研究发现牙髓腔沉积可用于法医学中的人体年龄推算,基于目前流行的口腔CBCT(Cone Beam CT,锥形束CT)成像技术,如何准确实现牙髓腔的三维断层图像分割是应用的前提。由于CBCT牙齿图像存在噪声干扰、牙齿界限模糊、牙齿与牙槽骨灰度值相近等因素的影响,使得牙髓腔的准确分割存在较多的难点。PCNN(Pulse Coupled Neural Network,脉冲耦合神经网络)具备生物学背景,能够从复杂背景下提取有效信息,具有同步脉冲发放和全局耦合等特性,其信号形式和处理机制更符合人类视觉神经系统的生理学基础。本论文在PCNN理论与应用深入研究的基础上,提出了一种改进的PCNN模型,实现了 CBCT牙髓腔的三维断层序列图像的准确分割。论文完成的主要工作和创新点有:(1)针对传统的PCNN模型结构繁冗、大量人工设定参数、阈值衰减不稳定等问题,本文通过调整PCNN接受部分网络结构,在保证其生物学特性的前提下,提出了一种改进的PCNN模型,优化了神经元外部输入、连接输入L权重取值和阈值衰减方式,实验结果证实该模型有效地降低了算法的复杂度,提高了像素空间信息的描述能力。(2)针对牙齿图像的模糊性导致PCNN模型迭代次数难以确定且需要人工设置的问题。本文结合了图像像素点的空间信息,分析了迭代次数对PCNN模型分割算法的影响,利用信息熵最优化准则,给出了一种基于最小交叉熵的最佳迭代次数判定准则,实现了改进型PCNN模型分割算法对CBCT牙齿髓腔图像的准确分割。