本文设计了一种结合统计和空间信息的最小监督分类算法,并将其应用在肝脏分割的问题中,利用该算法完成了从CT腹部增强扫描的数据中分割出肝实质、门静脉和肝静脉的实验,得到了为临床医生所认可的结果。该应用对于涉及到肝脏切割的手术,尤其是活体肝脏移植手术有着重要的临床意义。所谓活体肝脏移植是指从一个正常的自愿供肝者体内通过手术切取部分肝脏,将病人的病变肝脏完全切除,再将供者的部分肝脏移植到病人原来肝脏的位置。活体肝脏移植是肝脏移植手术中难度最大的手术,在手术前要求医生严格准确的计算切取多少的肝脏以保证供肝者及受体的安全,手术中则涉及到取肝过程中血管的分离、结扎和植肝过程中血管的吻合,都是相当复杂且要求仔细精确的操作。因此,在术前医生需要反复观察供体和受体的腹部影像,确认肝脏的形状、大小和肝脏内血管的分布状况。本文所设计的算法能够从CT腹部数据中获得可用于三维重建的肝实质、门静脉和肝静脉的分割结果,为医生提供肝脏及其内部血管的三维信息,帮助医生更准确地预备手术方案。本文的主要创新点可分为两大方面:首先,从分割算法的角度看,本文的算法通过同时应用统计和空间信息的方法,引入高可信点和基于灰度的距离的概念,巧妙地解决了由图像噪声以及其他组织如心脏、肠、胃、肌肉、腹主动脉等在CT影像中与肝脏灰度值接近且空间位置邻近甚至紧密相靠所带来的误分割问题。另外,算法也利用了CT增强扫描中三个不同时期图像灰度值的差异分割出了门静脉和肝静脉的结构,并且能够清晰地显示出门静脉和肝静脉的第四级分叉,达到了临床诊断的要求。其次,从临床意义的角度看,对门静脉和肝静脉的分割对活体肝脏移植手术的预备有着重要的意义和极大的实用价值,但目前国际上还甚少出现相关的工作。当前,医生在做活体肝脏移植的手术预备时,主要还是通过最大灰度投影方法来观察门静脉和肝静脉在肝脏中的分布。由于最大灰度投影方法实际上只能提供从三维投影到二维的图像信息,这就要求医生根据专业知识及经验来想象血管在三维空间中的实际走向。而本文的分割算法所得的结果能够很容易地被重建为三维模型,使医生能够直接看到肝脏及其内部门静脉和肝静脉的三维形态,帮助医生更准确地预备手术方案。