随着计算机技术的快速发展,计算机辅助诊断治疗技术在一些医疗发达国家的相应领域取得了较快的发展,特别是在涉及医学影像学的领域。实践证明,计算机辅助诊疗在提高诊断准确率、减少漏诊、提高工作效率等方面起到了积极的促进作用。三维CT图像肝脏自动分割对于肝体积测量,手术切除计划,术后康复检测等临床诊疗方案是至关重要的。然而,肝脏与周围组织密度极为相似,肝脏形状、纹理的诸多可变性,肝病灶对肝脏的影响,成像过程中产生的伪影,都是肝脏自动分割是具有挑战性的因素。近年来,基于模型的分割方法已成为图像分析领域最流行的技术之一,模型包含了感兴趣结构的形状与外观特征信息,正是由于这些内在的先验信息,基于模型的方法在面对图像伪影和干扰问题表现更稳定,统计形状模型更是涵盖了形状间普遍的差异,因此统计形状模型可以胜任自然可变性相当大的肝脏分割的研究。定义明确的形状匹配是构建统计形状模型的必要条件,基于点分布模型的单纯形网格拥有简单的拓扑几何特性,因而用于本文的形状表示。定义训练集网格点密集匹配关系,成为三维模型构建过程中最具挑战性的部分,同时也是影响模型质量的主要因素。手动标记确定匹配的方法不仅耗费时间,而且需要专家辅助,在三维模型中工作量更大,点匹配的确定更加困难。实际上,自动计算匹配的算法都是基于配准操作的,本文提出了基于体数据之间配准的方法,确立网格点匹配,接着采用一种改进的单纯形网格变形模型优化生成的网格,使网格与训练图像肝脏边界吻合。在待分割图像上初始化形状模型后,需要目标区域的外观特征指导分割,本文在网格边界,内部,外部分别提取三类剖面特征,训练K近邻分类器构建肝脏区域的外观模型。在分割过程中,模型初始化远离感兴趣结构将会导致分割完全失败,通过训练AdaBoost分类器快速准确地实现模型定位。本文的分割算法是一种由粗到细的主动形状模型搜索流程,在统计形状模型的硬约束下,拟合外观模型预测的轮廓,实现初步分割;对于肝脏等软组织,这些结构大量的自然性差异难以利用统计形状模型有限的变化模态描述,因此在初步分割之后释放形状约束,允许局部自由形变,可以明显的改善分割结果。本文方法在VISCERAL Anatomy Challenge多器官分割平台进行测试,实验结果表明基于统计形状模型的自动分割方法具有快速鲁棒的优势。为了进一步地验证算法的准确性和稳定性,本文算法在42套南方医科大学珠江医院的增强CT测试集上测试,并与基于概率图谱的方法进行全方位的比较,实验结果显示本文方法可以适应不同的肝脏手术病例,具有潜在的临床应用价值。