脑卒中是全球范围内致死或致残的三大病因之一,约2/3脑卒中是缺血性脑卒中,颈动脉狭窄闭塞性病变是引起缺血性脑卒中的最常见原因之一,早期识别颈动脉的血管形态对于评估脑卒中发生风险具有重要的意义。计算机断层扫描增强技术(CTA)已在诊断颈动脉狭窄得到较多应用。基于CTA图像的颈动脉分割目前主要存在的困难有:(1)切片数量大;(2)CTA图像中,颈动脉周围存在干扰因素(骨骼、相似血管)较多;(3)颈总动脉在分叉阶段时的形态发生较大变化,且分叉后的颈动脉弯曲度较大。这些特征都会给分割算法加大难度。基于上述问题,本文提出两种快速稳定的分割颈动脉的方法,基于8组来自医院的真实临床数据进行实验,主要研究内容如下:(1)基于自适应区域特征多种子点的区域生长法:首先采用基于自适应迭代CT值的方法及形态学方法去除颈动脉周围的软组织和消除边界粘连;其次基于颈动脉在分叉时特有的特征自动确定种子点的个数及位置;最后,根据种子点与生长准则采用区域生长法获得颈动脉区域。实验结果表明,该算法在颈动脉分叉后,依旧可以准确地分割出颈内动脉与颈外动脉;与其它区域生长算法相比,该方法在准确度及时间方面可以更好地满足临床需求。(2)图像增强与区域特征相结合的分割方法:首先采用感兴趣区域(包含颈动脉的区域)自动更新方法保证待处理区域尽可能的足够小,减少了计算量;其次采用增强算法突出血管区域,对增强后的图像采用八邻域边界追踪法获取连通区域边界;最后分析连通区域特征识别出颈动脉区域。实验结果表明,该算法得到的分割结果精确度较高,算法运行时间较短,且与不同的增强算法及边界提取方法相比,该方法获得的分割结果准确度更高。此方法不仅避免了基于自适应区域特征多种子点的区域生长法的分割结果精确度依赖于种子点选取的缺点,同时还能获得血管的近似中心线。本研究的创新性在于:(1)基于自适应区域特征多种子点的区域生长法的种子点选取结合了颈动脉在分叉阶段的特征来自动计算种子点的个数及位置,保证颈总动脉在分叉后依旧可以分割出两个颈动脉区域(颈内、外动脉);(2)图像增强与区域特征相结合的分割方法中在颈总动脉和颈内、外动脉两个阶段采用不同的追踪方法获取感兴趣区域的中心点,这样可以保证感兴趣区域始终包含着颈动脉;(3)图像增强与区域特征相结合的分割方法通过判断连通区域重心点与感兴趣区域中心点之间的距离来消除其它相似血管区域,去除颈动脉周围的干扰因素。