肺部疾病发病率高,严重危害人类的健康,常见的肺部疾病有:气胸、肺气肿、肺炎和肺癌等。其中,肺癌是最常见的肺原发性恶性肿瘤,也是死亡率最高的疾病之一,及早的发现肺部病变,可以提高病人的存活率。在临床医学中,医生常常通过判读高分辨率CT影像来诊断肺部疾病。肺脏包含了五个不同的肺叶,肺裂是肺叶之间的物理边界。准确的肺裂检测对肺部病灶定位以及肺部功能分析极其重要,在临床上可以辅助制定术前计划和术后评估。然而,CT图像中自动检测肺裂并不容易,因为肺裂在2D断面方向上表现为细薄的曲线,对比度较低,密度值分布不均匀;另外,肺部血管、支气管的存在也会干扰肺裂的检测。本文针对以上难点,首先对肺部图像进行预处理,避免无关组织的干扰;然后对肺裂进行增强,扩大肺裂与其他组织结构之间的对比度,抑制不感兴趣的特征;最后利用最短路径算法完整的分割出肺裂。主要工作内容包括:(1)利用肺裂在三个断面方向上均呈细线状结构的特点,提出了基于窄条微分(Derivative of Stick,DoS)滤波器的肺裂增强方法,作用于预处理后的肺部图像。该方法用三条平行的棍状核来匹配肺裂及其邻域,模拟放射科医生判读CT图像的方式,利用邻近区域之间密度的差异性来增强肺裂,抑制肺裂局部分布不均的情况,对存在病理性的肺部也有较好的适应性。实验表明,本文的增强算法区别于传统的各向同性滤波器,能得到更加稳定的肺裂增强结果。(2)本文提出了基于最短路径算法的半自动肺裂分割方法。首先,利用增强结果的梯度幅值、方向和二阶导数信息定义了代价函数,使得属于肺裂的像素点之间路径代价最小;然后,在矢状面的一张切片上选择了初始的种子点,利用Dijkstra算法得到2D的肺裂分割结果,进一步利用正交断面方向的空间互补性将算法扩展到3D空间中,自动的寻找其余断面方向上的种子点,尽可能的减少用户的输入。将传统的单源单目的的Dijkstra算法改进为单源多目的,可以有效地跟踪检测肺裂并保持其厚度和完整性;最后,为了进一步完善算法的分割结果,利用了形态学后处理操作移除分支点,去除无关组织的干扰,得到光滑的肺裂分割结果。为了验证算法的准确性,使用GLUCOLD数据库中23组慢性阻塞性肺疾患者的CT数据对算法结果进行了评估,定义了准确度ACC和假发现率FDR两个量化评估指标,通过与Ground Truth的对比表明,本文提出的算法有较好的分割性能,完全可以满足临床应用的需求。