肝脏医学图像的精准分割是辅助医生对肝脏病症患者进行疾病诊断,形成准确的术前规划,术中指导,术后评价的重要前提,对临床手术起着很重要的指导作用。近些年来,肝脏分割算法的研究虽然得到了较大的发展,但是仍然面临一些亟待解决的难题,因此研究一种可以在临床上应用准确、适用性强的肝脏分割算法显得尤为重要。本文以图像处理、模式识别、机器学习理论为基础,以肝脏图像的自动、精准分割为目标,重点研究了分水岭算法、深度卷积神经网络在肝脏分割中的应用,实现了对肝脏图像自动精准的分割。并对具有复杂轮廓的肝脏图像实现了交互性分割,主要工作归结如下:(1)以经典的U-net为基础,结合分水岭算法,提出了一种基于分水岭修正与U-net的肝脏分割算法,主要解决全卷积神经网络在分割背景复杂、肝脏边界较模糊的肝脏影像数据容易错失位置信息的问题。该算法利用U-net将浅层特征和深层语义特征相融合进行分层学习的优势,得到肝脏图像的初始分割结果,并在此基础上结合分水岭算法对弱边缘响应良好的特点,根据修正条件对初始分割结果进行判断,进而利用分水岭形成的超像素块对其进行修正,输出最终的肝脏分割结果。通过在3DIRCADb和DataA数据集上对本章算法进行仿真分析,实验结果表明该算法可以对U-net分割结果中存在空洞、边界不平滑现象进行有效修正,提高了肝脏分割结果的精度。(2)以经典的V-net为基础,结合测地线距离交互式分割算法,提出了一种基于测地线距离和V-net的交互式肝脏分割算法,主要解决现有的深度卷积神经网络在分割轮廓复杂、低对比度、有大面积病变的肝脏图像时存在误分割的问题。该算法利用三维分割网络V-net可以有效兼顾空间上下文信息的特点,得到肝脏图像初步分割结果。又利用基于测地线距离的交互式分割方法简单、易实现、对肝脏边界响应良好的特点,形成人为的硬约束对V-net分割结果进行修正,并进一步将分水岭算法形成的超像素块作为样本点进行运算,提高算法效率。实验结果表明该算法可以准确地分割出完整的肝脏区域,实现了在临床上方便医生使用的较少用户干预及较短时间的交互式肝脏图像分割框架。(3)针对本文所提出的基于测地线距离的交互式肝脏分割方法,利用MATLAB编程软件中的GUIDE工具来构造了 GUI界面,完成了基于测地线距离的交互式肝脏分割方法的可视化肝脏分割系统。