心血管疾病关系全球的健康问题,医学影像技术是当前诊断疾病的主要手段,一个准确的血管可视化分割工具在临床中越加重要,应用广泛,例如疾病诊断,手术规划,疾病监控等。当今,很多研究人员致力于这方面的研究,出现了很多的血管分割算法。　　由于CT(Computer Tomography, CT)图像的特点和血管的复杂性,使得血管分割算法开发具有很大的难度,为了开发针对CT图像可实用的血管分割算法,准确的提取出血管,本文着重在以下两个方面进行了研究:(1)提出新的、有效的血管分割算法,提高 CT图像血管分割的准确性;(2)解决工程应用上的问题,主要包括在大数据量下设计合理的数据结构和算法,使程序能够突破空间和时间上的限制,更好的人机交互,减少人为因素在血管分割中的作用,满足实际临床上的应用要求。具体包括:　　(1)分析当前一些血管分割技术,主要包括经典的主动轮廓模型,区域增长技术,介绍了基于主动轮廓的4D curves(4 Dimensional Curves,4D curves)算法,竞争型区域增长算法,由于此两种方法基于统计的思想,具有很好的抗噪声能力,通过对腿部 CT图像分割,验证在工程中具有很好的可用性,并测试这些算法在CT图像中的具体表现,进行一些比较研究。　　(2)在基于4D curves算法中,由于初始化条件中需要人为给出血管的大概半径,因为在快速行进的演化中,能量的最小化是基于初始点给出的半径统计的一些信息,人的因素使准确的分割出血管具有很大的不确定因素,提出了一种自动确定半径算法,减少人为因素,提高其在工程中可用性。　　(3)在基于快速行进的区域增长算法中,由于初始化中需要给出判定的阈值,需要根据先验经验,并且不同的数据,阈值不一样,针对此种情况,提出了一种自动选取阈值的算法,取得了很好的效果。　　(4)在自动选取阈值工程实现中,由于电脑内存的限制,在求取两点间最短距离的情况下,传统算法因为内存的限制而无法运行,重新设计了一种大数据量下三维网格最短路径算法,解决了此算法在空间上的限制。