肺结核疾病是世界上死亡率极高的肺部疾病,随着社会的发展、空气质量的降低和生活环境的改变,肺结核疾病的患病规模逐渐增大,成为人类生命健康的重要威胁,对于肺结核疾病的预防、监测、诊断和治疗成为一个世界性的话题。随着病情的发展,疾病对肺部的损伤日趋严重,会造成肺部的侵蚀和破损,CT影像成为临床中关键性的诊断治疗依据。从CT图像中分割肺部可以检测肺部受损伤的程度,对辅助医生更精确快速地进行疾病检测有重要意义。传统的医学分割和检测手段需要人为修正,效率不高,医疗资源的紧迫程度增加使得计算机辅助医生完成自动分割逐渐受到业界和诸多研究者的关注。肺结核病症对肺部的侵蚀较为严重,且结核肺CT图像中含有大量破碎分离的肺实质,这给自动分割算法带来了巨大挑战。现有的深度学习方法在处理结核肺破损分离的肺部CT图像时,不能有效地检测破损的肺部区域和准确分割离散的小区域肺实质。因此,论文主要针对上述问题,提出了基于CT图像的结核病肺部自动分割算法。论文的主要研究工作如下:首先,针对CT图像进行解析和预处理,构建数据集。对已有CT序列进行文件解析和提取,根据临床需求进行调窗和切片选择,生成图像数据集;对生成的肺结核CT图像进行自适应去噪和归一化处理,提升肺部与背景的对比度,保留病变细节,构建完整合理的肺结核CT图像数据用于模型训练和验证。其次,提出了多尺度深度监督的破损结核肺自动分割算法。为了适应肺结核CT图像中分割目标边缘模糊、肺部区域离散的特点,使用多尺度特征融合和扩张卷积引导的残差编码模块,充分提取图像特征,使用多尺度深度监督模块纠正解码结果,弥补图像重建中的像素丢失,以提升分割精度。最后,提出了基于注意力机制的破损结核肺自动分割算法。针对提出的模型对肺部受侵、损伤十分严重的CT图像分割效果不佳的问题,提出一种基于双注意力机制的破损结核肺自动分割算法,设计注意力模块,同时将其引入模型,使得分割结果更接近真实的金标准。实验结果表明,论文提出的模型在不同病症程度和不同受损肺部图像上都取得了优于现有自动分割模型的结果,能有效分割受损程度不同的肺结核CT中的肺部细节,具有较好的研究及应用价值。