王晓红，赵于前，廖苗，刘苗苗

(中南大学 地球科学与信息物理学院，湖南 长沙，410083)

腹部器官的分割在医学图像处理领域具有重要意义。由于腹部医学图像各器官的灰度相近，相邻器官之间具有连接性以及受部分容积效应的影响，腹部器官的自动分割成为医学图像分割中的难点。目前，国内外学者已经提出很多腹部器官分割方法，主要包含水平集方法[1-3]、神经网络[4-6]以及图割[7-8]等。文献[1]通过2 次种子区域增长法来确定大致的肝脏轮廓初始区域，然后用水平集方法通过设定的迭代次数最终将肝脏的边缘收敛在最佳位置。文献[2]对引入先验知识的活动轮廓模型进行演化，对被遮挡的肝脏具有较好的分割效果。文献[3]首先对肝脏等医学图像进行模糊聚类，然后将聚类结果作为水平集函数的约束力，引导水平集函数的精确演化。文献[4]提出了一种基于灰度均值、标准差、不对称度等优化特征的人工神经网络识别方法，这些统计特征不能有效区分2 个纹理或统计属性相近的器官及组织。文献[5]提出了一种基于多层感知器神经网络的肝脏图像分割算法，该算法首先计算肝脏CT 图像的均值、方差以及距离变换，然后利用多层感知器神经网络实现肝脏分割。文献[6]结合迭代分水岭算法以及多层感知器神经网络对肝脏图像进行分割，首先利用形态学方法增强肝脏图像，计算并比较分水岭算法以及神经网络对肝脏图像特征提取结果，对分水岭算法参数进行调整，从而约束分水岭算法对肝脏图像进行准确分割，避免了分水岭迭代过程中出现的过分割问题。……