微波消融是一个较为新颖实现肝细胞癌有效治疗的方法,微波消融手术中,对消融区域的有效监测是手术成功的关键。目前已有将超声谐波包络信号的Nakagami参数成像技术用于微波消融过程的无创监测,但此技术并不能精确估计消融中心以及消融区域。需要一种实时、定量、精确的手段用于微波消融过程的无创监测,促进微波消融在临床的应用推广。本研究提出了一种超声谐波包络Nakagami参数图像的高斯逼近自动分割（Gaussian Approximation Automatic Segmentation,GAAS）方法用于微波消融区域的准确有效监测。首先,将高通滤波器用于基波、谐波分离过程,提取出信号中包含的谐波成分;然后估计谐波信号包络的Nakagami形状参数,并使用混合窗成像技术生成Nakagami参数图像;对Nakagami参数图像进行高斯逼近估计消融区域,接着对逼近图像进行P-M、Catte及Median算法的各向异性平滑预处理,并进行自适应阈值分割以及分水岭分割处理获得估计消融区域,分割后对消融区域大小以及边界的估计精度和可视化均优于Nakagami参数估计以及高斯逼近后的估计消融区域。由于须证明本文提出的GAAS方法能够对消融过程进行有效监测,对十例猪的肝脏样本实施微波消融处理。首先利用GAAS方法成像获得的椭圆形热损伤区域的长、短轴与多项式逼近后自动分割获得估计消融区域尺寸对比。对多项式及高斯逼近图像做基于P-M、Catte、Median算法平滑预处理,对平滑图像再次通过自适应阈值分割、分水岭算法分割图像分割后所得到估计消融区域。结果表明GAAS方法后的估计消融区域与实际样本猪肝消融区域的长、短轴相对误差均值分别减小17.53%,14.47%。三种平滑算法预处理再分水岭算法分割后结果误差相比,Median算法平滑后分割实际消融区域长、短轴与实际猪肝样本1、2的误差减小了2.28%、2.30%。对阈值分割结果误差而言,经过分水岭分割后的结果长、短轴平均误差减小了0.3%、0.21%。综上,对超声谐波包络Nakagami参数高斯逼近图像进行基于Median算法的分水岭算法分割后的结果与实际消融结果最为相似。针对此方法对于微波消融治疗在临床上的应用而言,本文提出的GAAS方法能够更加精确地对消融区域范围及边界进行估计,有效提高微波消融手术的成功概率。