在计算机辅助诊断系统中,基于CT影像的人体管状组织分割与中心线提取具有极其重要的意义,是疾病定量分析、可视化、多期图像配准等多种实际应用的基础。但是由于人体内的管状组织结构复杂且通常位于复杂的解剖背景之中,基于CT影像的管状组织分割和中心线提取非常具有挑战性。针对仍然存在的问题,本文致力于提高管状组织分割和中心线提取的准确性,提高其自动化程度,并尽可能地减少所需的运行时间。本文完成的主要工作有：第一,提出了一个快速的升主动脉自动分割方法。该方法基于二维的区域生长算法,使用迭代的方式逐层分割出三维升主动脉整体,整个过程无需任何交互。所提出的方法使用临床获取的103套心脏CT造影数据进行了评估。评估结果显示所提出的方法能够快速稳定地分割出升主动脉,分割的成功率高达95.1%,单套数据的平均运行时间为1.5秒。第二,提出了一个基于CT造影图像的冠状动脉自动分割方法。该方法首先在尺度空间中使用管状结构相似性函数自动提取冠状动脉种子点,实现了分割过程的全自动化。然后,根据冠状动脉的结构特征,使用一个改进的层区域生长方法分割出三维冠状动脉整体。评估显示所提出的方法在冠状动脉分割的准确性和速度方面都取得了令人满意的结果。第三,提出了三个冠状动脉中心线提取方法,分别是基于改进追踪的方法、基于细化和追踪相结合的方法和基于改进距离变换的方法。然后,对所提出的三种方法进行了准确性、运行时间、自动化程度和应用范围的比较和讨论。此外,还提出了三种中心线准确性自动检测和错误自动校正方法,分别用于检测和校正由于血管的窄颈过分割、宽颈过分割／部分欠分割、完全欠分割所造成的中心线错误。定量评估结果显示所提出的方法能够有效地检测并校正中心线错误,提高冠状动脉中心线的准确性。第四,提出了一个基于配准减影和形态学操作的头颈部动脉分割优化方法。评估实验显示分割方法能够在大多数情况下得到准确完整的头颈部动脉分割结果,而优化方法能够在图像质量差时很大程度上提高分割的质量,弥补配准过程中产生的问题。此外,还提出了两种用于头颈部动脉分割精炼的血管编辑方法,分别用于移除分割体中的错误分割组织和添加缺失的血管。定量评估结果显示所提出的方法具有很高的准确性,能够很大程度上提高头颈部动脉的分割质量,并且具有很高的可重复性。第五,提出了一个快速稳定的下齿槽神经管提取方法。该方法首先通过连通区域的特征分析,检测剖面图中的神经管中心点位置；然后通过样条插值处理,得到神经管中心线；最后,通过判断并结合中心线邻近区域内具有相似特征的其它体素点,提取出整个下齿槽神经管。评估结果显示方法能够成功提取出评估数据中的全部神经管(100%成功率),并且具有很高的精确度和较短的运行时间。