前列腺癌位列男性因恶性肿瘤而死亡的第二大病因。科学家们一直在研究如何减少该疾病带来的健康威胁。广泛应用于医学诊疗过程中的医学成像技术对疾病的诊断和治疗技术的快速发展起了很大的作用。典型的医学成像技术包括超声、计算机断层扫描、磁共振成像(magnetic resonance imaging,MRI)和正电子发射断层成像,其中大多数都会受到噪声和采样方式的制约。对这些成像结果的分析主要依赖于放射科医师的主观解释。准确分割前列腺在大量的医学影像应用中具有重要的地位,对于前列腺体积的计算、恶性肿瘤生长规律的分析、前列腺癌的治疗和治疗后的随访检查等方面具有不可替代的作用。虽然在MRI中进行前列腺分割较其他成像方式略为简单,但是在医学图像中进行前列腺的分割仍旧是极具挑战性的任务,其主要困难在于MRI图像采集期间的信号强度不均匀以及前列腺本身形状的差异性巨大。由于这些现实的约束,在图像中进行前列腺分割往往是非常耗时并且其准确性也无法确保,因此在许多临床研究中经常成为一个主要的障碍。在本论文中,我们研究了基于图论的随机游走(random walker,RW)的前列腺分割算法,该算法结合了前列腺MRI图像中的强度特征及其形状变化,对MRI图像中的前列腺进行分割。该方法针对不完整轮廓的物体分割具有稳定性并对其进行了相应的优化。由于RW算法需要用户在前列腺区域的前景和背景中预分割称为种子的小区域,因此往往被设计为交互式的分割算法,RW随后会将整个前列腺区域完成地分割出来。论文的主要工作分为两个阶段。在第一阶段,我们首先采用图集的方法生成图像空间中的前列腺区域概率图。在前列腺MRI图片中选择具有清晰可见前列腺的切片,并且手工标志出前列腺轮廓,用于图集构造的基本素材。将标记出前列腺轮廓的图像中统一像素尺寸,使得图像的尺度标准化。然后采用非刚性变换的方式将手工生成的前列腺轮廓堆叠在一起,从而形成在同一图像空间中不同像素属于前列腺的概率图。根据概率图中的概率的等位线可以确定两个阈值,分别提取前列腺内部(前景)种子和外部(背景)种子。在图集中生成的这两类种子点随后成为随机游走算法中的初始化种子。在算法的第二阶段,作为对比的参照标准,采用手动生成的初始化种子完成随机游走算法对前列腺的分割。由于主观的选择往往能够将初始化的种子准确地放置在目标区域内,随后的随机游走算法可以准确地分割出前列腺的轮廓。通过该方法的一种图论的采样方法,在图像域内逐一对未标记的种子进行分析,将相关的种子作为图中节点进行考虑,从而给未标记种子赋予标签。随后对种子间边缘的权重进行设定,以便计算关于两个种子之间是否存在前列腺轮廓。上述两种种子初始化方法都能够帮助RW算法完成前列腺轮廓的提取。与手工标记的前列腺轮廓相比较,并使用Dice相似系数和Jaccard系数作为评价指标,基于自动种子的RW的Dice相似系数和Jaccard系数分别为0.81和0.68,而基于手工种子初始化的RW得到的分割结果,其Dice相似系数和Jaccard系数分别为0.88和0.75。这些指标表明MRI图像中采用RW算法能够成功地将前列腺准确地分割出来。