随着医学CT影像技术的发展越来越成熟,他们的运用也越来越普遍。高分辨率的数字图像层出不穷,其为影像分析师提供了更清晰的诊断图像。其中计算机断层成像技术(computed tomography,CT)因其分辨率高、功能强大等特点在现在的临床诊断应用中最为普遍。但是另一方面大量的数字图像增加了影像分析师的工作负担,同时单一的读片工作性质不仅占用大量的医生资源而且也会导致医生的漏诊、误诊率增加。在这种情况下,基于计算机智能的CT影像分析处理方法应运而生。在肺部CT影像的分析中,肺气管树的分割结果为肺部疾病的诊断提供重要的依据,并且为手术提供三维影像导航功能,因此肺部CT图片中的气管树分割方法是计算机智能CT影像研究中的重要领域。首先,本文分析了目前为止比较经典的多种肺气管分割的方法,以及肺气管重构中存在的难点。然后,进行CT图像的预处理,并对DICOM图像格式进行分析,将实验所用的原始肺气管CT数据调窗以顺利进行后续算法的研究。其次,本文实现了主气管的分割,提出了基于堆栈的三维区域生长算法,得到粗略的主气管结构,然后对结果进行形态学优化,并填充其中存在的细小空洞,最终得到了平滑的主气管结构。再次,实现了细支气管的分割与拼接,在分割的肺实质的基础上进行分割,通过连通域标记、分割肺实质、自适应二值化以及做内积等步骤得到细支气管。最后,将主气管与细支气管结构进行或运算,并提出一种拼接气管的算法,将或运算之后的结果中仍然没有连通的部分通过两种原则进行判断,最后利用拼接算法将其拼接起来,得到一棵完整的肺气管树。最终通过实验结果和手工标记结果做比较,说明了本文肺气管分割方法的正确性和优越性。本文的主要创新点有:1.本文实现了基于堆栈的三维区域生长算法。一般的二维区域生长算法都属于递归算法,会消耗大量的时间和内存。为了解决这个问题,本文提出的算法是在堆上创建栈数组以模拟栈的先进后出的思想来实现的,并且将邻域范围扩展到了二十六邻域。2.本文提出了一种细支气管的拼接算法。首先根据拼接准则匹配要拼接的主气管和细支气管,然后通过二维形状插值将它们拼接在一起。发现拼接之后仍然包含一些未连接的遗漏气管区域,通过把除气管区域外的所有体素点设为非气管点即可,最终得到完整的肺部气管树。