这几年,超声影像在前列腺外科临床中运用得越来越广泛。从超声图像中分割出前列腺的边界在测量前列腺体积,估测肿瘤边缘以及实时目标图像导引的活组织穿刺中有重要的临床意义。传统的手工分割既费时又费力。由于超声图像严重的斑点噪声和很低的信噪比,给自动分割带来了极大的挑战,因此,半自动的分割方法被广泛采纳。前列腺超声图像的分割可以分为两个步骤:预处理和图像分割。预处理的主要目的是抑制噪声,提高图像的对比度,常采用中值滤波,高斯平滑,而sticks算法可以在抑制噪声的同时提高边缘处的对比度。图像分割中综合运用了多种模型。其中,主动轮廓模型(Snake)通过最小化能量函数,控制一条活动轮廓向目标边界运动。基于梯度矢量流场的主动轮廓模型(GVF Snake)能一定程度上抑制噪声,减小对初始轮廓的依赖。气球蛇模型(Balloon Snake)受噪声影响会出现打结。通过引入消除打结的算法,并根据曲线运动剧烈程度动态修改内能参数,可以达到分割的目的。离散动态轮廓模型的计算相对简单,只需人工给定四个初始点,但模型的有效捕捉范围较窄即初始轮廓需离目标足够近。通过引入一个膨胀外力,并根据需要自动调整不同控制点的质量参数,可以促使曲线向目标运动,改善分割效果。将手工分割的结果与算法分割的结果进行比较,实验表明,GVF Snake容易忽略掉弱边界,难以避免强噪声点的干扰;改进后的Balloon Snake在弱边缘处会出现泄露。通过计算基于距离的评价参数和基于面积的评价参数,实验数据表明,改进后的离散动态轮廓模型有较好的分割效果。