医学图像分割算法的研究是医学图像处理永恒的话题,是一个多学科交叉的研究领域,它涉及数字图像处理、计算机图形学以及医学领域的相关知识。在诊断医学、手术规划及模拟仿真、整形及假肢、外科放射治疗规划解剖教学等方面都有重要应用。医学图像的分割结果直接关系到医疗诊断和治疗的效果。因此对医学图像分割技术的研究具有重要的学术意义和应用价值。本文对医学图像分割的理论方法和技术进行了深入研究。首先对医学图像分割的方法进行了综述,然后深入研究了肺部CT图像分割算法的关键技术。围绕肺结节计算机辅助诊断这一课题,本文的研究工作主要包括以下几个方面:1)研究了现有的医学图像分割算法,并对现有的医学图像分割算法进行了对比,并编码实现了区域生长法、K-均值聚类法、松弛迭代法等几种常用的医学图像分割算法,最后分析了各种方法的优缺点。2)在分析了现有方法的基础上,利用二维shannon熵和遗传模拟退火算法,提出了一种改进的阈值分割方法。3)把阈值分割方法应用到肺部CT图像,实现了ROI(感兴趣区域)区域的自动提取。主要经过以下几个步骤:①图像预处理。②用阈值分割方法对肺部CT图像进行二值化。③进行形态学运算。④进行边缘检测。⑤进行8-邻域标记。⑥利用“三四”原则提取肺实质,对不完整的肺实质进行补偿。⑦提取出ROI(感兴趣区域)区域。4)实现一个肺部CT图像标注系统,用于对肺部CT图像中的结节进行标注,为肺结节计算机辅助诊断系统的分类器提供训练数据。5)实现一个肺结节计算机辅助诊断系统,用于辅助医生进行诊断。论文最后对上述方法进行了实验验证,实验的结果表明,本文所提出的方法是有效的,在一定程度上解决了肺结节的计算机辅助诊断问题。