CT成像技术是放射科医生进行临床医学影像辅助诊断的重要手段,具有图像对比度和分辨率高的优势。但是,由于组织病变、支气管以及胸膜附近异常等因素的干扰,进行胸腹部检查时需要准确分割相关解剖结构。本文针对CT图像中肺实质和肝脏血管的分割问题,提出改进算法以提高二者的检测与分割的准确性。主要工作为:(1)提出一种融合Surfacelet变换与脉冲耦合神经网络(PCNN)的肺实质分割算法。首先,通过Surfacelet变换对三维肺部CT数据进行多尺度多方向分解,利用局部修正拉普拉斯算子选择处理后的子带系数增强图像的边缘特征;然后,经Surfacelet逆变换得到增强后的图像作为PCNN的反馈输入;最后,通过循环迭代完成肺实质的分割。所提算法对公开数据集Kaggle和LIDC的样本进行了测试。实验结果表明,该方法能够得到较完整的肺实质,其平均相似度系数、平均过分割率和平均欠分割率分别能够达到97.85%,0.31%和1.87%。(2)提出一种CT图像肝脏血管自动分割方法。首先,用双高斯核代替Hessian矩阵中常用的单高斯核,提高肝脏血管的增强效果。然后,采用基于直方图的方法自适应地估计区域生长的阈值作为生长的判断准则。最后,使用区域生长算法提取CT图像中的肝脏血管。实验结果表明,该方法能显著提高肝脏血管的分割准确率,平均准确率达98.1%。