随着医学图像的定量分析在疾病评估和治疗方案中的应用越来越受到重视,用于从CT图像数据中进行肺叶分割的精确计算方法成为医学图像处理领域的研究热点。目前大多数应用于临床的肺叶分割是采用自动预分割肺叶结合手动检查和交互的方式,即使可以通过手动校正分割肺叶,探索精准的肺叶分割方法以减小用户负担依然是本领域目前具有重大意义的研究内容。目前已有学者提出从CT图像数据中进行肺叶分割的计算方法,但并未在临床实践中证明面对广泛且可变的临床图像和病理学方面所提出方法是稳健且准确的。根据临床解剖学的定义,肺叶裂隙位置是肺叶分割的主要判断依据。针对在具有可变性的临床CT数据中进行肺叶分割存在分割精度很难达到临床要求且不稳定的情况,本文提出了一种基于最优Atlas的肺叶精准分割方法,主要是通过根据肺部解剖结构信息组合Atlas图像的先验知识的方式来计算肺叶裂隙准确位置的方法。主要通过两个主要步骤来实现:第一步,我们根据肺支气管和血管在肺叶边界周围区域分布具有稀疏性的解剖结构信息,综合肺部区域的提取、肺气管区域分割及标记和计算血管距离图对肺叶裂隙的位置区域进行初始化近似估计并对标记其位置信息;第二步,根据获取的肺叶裂隙位置信息通过本文提出的最优Atlas选择策略快速且准确的找到模板图谱,接下来对待分割图像通过本文所提配准-分割方法获得精准肺叶裂隙位置信息,从而实现肺叶精准自动分割。本文所提肺叶分割方法分别在具有完整肺叶裂隙数据集和不完整肺叶裂隙数据集上进行实验,基于实验结果和算法评估量化标准分析可以知道本文方法可以很好地适用于可变的CT图像数据,并且具有较高的精确性且稳定性较好。为了进一步证明本文所提肺叶分割方法的有效性和可行性,我们在二维和三维分别直观的展示了实验结果且进行综合性能评估,而且与对比算法实验结果定量的性能指标进行对比分析。通过实验结果和分析表明,本文所提方法相比其他对比的方法能够取得更好的肺叶分割效果,提高了肺叶分割方法稳定性和准确度且综合性能比较突出。