对于全球来说,肺癌已经成了癌症死亡的首要原因。外科切除患癌肺叶是治疗肺癌的首选方法。相对于医生直接判读二维CT图像来制定肺癌手术计划,用计算机来解析肺部CT图像并提供肺腔的三维可视化在外科手术规划中具有绝对优势,在基础研究和临床应用等方面发挥极其重要的作用。而准确地识别肺叶裂隙进行肺叶分割是三维可视化和手术规划系统的关键。在肺部CT图像上,肺叶裂隙具有对比度差、噪声、边界模糊等特点,而高分辨率CT图像中裂隙周围结构细小的血管使裂隙的准确检测变得更加困难。本论文提出了一种新的肺叶自动分割算法。算法采取三个阶段的方法来处理一组CT图像。在第一阶段的预处理,用三维的区域生长来提取一个肺的肺区,经过形态学的膨胀和腐蚀处理后,对得到的肺区进行阈值分割,将主要的气管壁和血管的部分移除。在第二阶段,采用自适应裂隙扫描,基于一般肺部解剖学知识大致确定肺叶裂隙所在区域,用Hessian矩阵增强找到的裂隙区域,再使用统一代价搜索来提取出肺叶裂隙的确切位置,得到初步的裂隙。在第三阶段,从已经找到的裂隙上的点中选取特征点,并计算相对应的附加控制点,进行基于径向基函数的隐式曲面拟合,最终得到完整的裂隙曲面并可视化自动分割完成的肺叶。算法充分考虑肺叶裂隙的形态特征,不仅包括传统算法中针对左右肺斜裂隙的分割,而且对三个肺叶的右肺的分割也做了详细介绍,逻辑紧密,条理清晰,给程序设计带来很大的方便。利用10组患者数据对算法进行测试,结果表明算法适应性强,可用于左右肺5个肺叶的分割,并且平均准确率达到92.83%。充分说明本算法对于胸部CT图像的肺叶分割和手术规划治疗是有一定指导意义。