在全球范围内,呼吸系统疾病是一类重要的非传染性流行疾病。多探测器计算机断层成像(MDCT)是一种有效的、非创伤性气道疾病研究和评价手段。但由于缺乏气管结构分析方法研究,在揭示疾病的本质、特征和发生、发展规律时仍面临挑战。在此背景下,计算机辅助诊断(computer aided diagnosis, CAD)的研究蓬勃发展起来。肺气管道的自动分割与骨架化以及对肺气管相关疾病的自动诊断系统是当前CAD系统的一个重要分支。本课题的目的是提出并实现一种自动的气管骨架化算法,从而提取气道中心线,生成气管树状结构图,获取气管2D横截面,为气管结构的定量化分析提供方法。研究中的CT影像数据均来自于中国医科大学附属盛京医院(中国,沈阳),飞利浦Brillance64CT系统,重建矩阵512*512。基于由CT影像数据中提取的二值化气道树,提出拓扑细化算法,通过简单点判断不断从边界上删除多余体素,直至剩下单体素宽的骨架。再设定合适阈值,将骨架线上的细化“毛刺”剪除。从最终骨架中识别气道根点、分叉点、线端点和线上点,利用二叉树拓扑结构建立气管树状结构图,实现气道级数标记。同时利用提取的气道根点、分叉点和线端点建立简化的树状模型。最后,利用三次B样条曲线对气道中心线平滑后,计算中心线切向量(即气道横截面法向量),从而通过坐标变换获取2D横断面图像数据,为将来气管直径测量和气管壁厚度分析打下基础。本课题提出的算法能成功提取10组数据中的气道骨架,剪枝阈值设置为15较为合适。获得的支气管树结构图和简化树状模型可实现自动命名,最高可标记至12级支气管,总支气管分支数量最多可达174个。最后,快速准确提取各级支气管的2D横断面图像数据。综上所述,本课题提出的自动气管骨架化算法可以用于气管的定量化结构分析,为揭示气道疾病的本质、特征和发生、发展规律提供帮助。