目前,在环境日益恶化的今天,肺肿瘤已成为危害人类健康的一个重大威胁。肺部肿瘤的精确分割在临床放射治疗中起着很重要的作用,因此肺肿瘤的分割成为了一个热门的研究课题。PET-CT是定量的分子-结构成像技术,已经被广泛使用于肿瘤的诊断分析和肿瘤治疗方案的制定。本文提出一种联合PET和CT影像进行肺肿瘤检测的方法。在本课题中,我们融合PET和CT这两种图像模态,充分利用PET图像提供的新陈代谢信息和CT图像提供的人体结构信息,结合两种经典的分割算法:随机游走算法和图割算法,对肺肿瘤进行同时分割。首先,利用随机游走算法对PET图像进行处理,得到一个初始的肿瘤轮廓。然后,图割算法将初始的肿瘤轮廓作为前景种子点,对PET和CT图像进行联合分割。在图割算法中,PET和CT的联合分割应该被看成是能量最小化的问题,并且可以通过最大流最小割的方法来解决。在本文中,我们的创新点在于建立了一个包含两个子图(PET子图和CT子图)的图形,并且设计了一个新的能量函数。该能量函数充分利用了PET和CT图像的特征,对于PET能量函数,它综合利用了PET图像的亮度分布特征,单调下降特征和三维梯度信息;CT的能量函数包含了传统的区域项和边界项能量函数,还有一个用来束缚和定位肿瘤的形状束缚函数。本文的算法对18个患有非小细胞肺癌的病人的PET-CT数据进行处理,并将实验结果与单独对PET或CT进行分割的图割算法、随机游走算法、改进的图割算法、随机游走的联合分割算法、Song Qi的算法等进行比较,实验分析数据表明本文算法在分割肿瘤方面有更高的精确度。