李广明，江桂华，陈辉，徐雯，钱东东，罗召洋

1.湖北文理学院附属医院，襄阳市中心医院，湖北襄阳 441003；2.广东省第二人民医院影像科，广东广州 510317；3.广州柏视医疗科技有限公司，广东广州 519000；*通讯作者 江桂华 13828472201@163.com

新型冠状病毒肺炎（COVID-19）是一个全球突发重大公共卫生事件[1-3]，CT 受检人数、受检次数以及图像量的剧增均给影像科医师及临床医师的诊断和治疗带来巨大的挑战。核酸检测是无创诊断COVID-19 的“金标准”。目前，基于病变受累的范围和表现，将COVID-19 分为早期、进展期和重症期3 个阶段[4]。结合患者的流行病学接触史，采用高分辨率CT 是筛查和诊断COVID-19 的重要依据[5-6]，可用于早期COVID-19 疑似病例的筛查、诊断和鉴别，还可用于确诊患者的病情分期和随访分析，对COVID-19 患者的肺部CT 病灶分析及辅助诊断均具有十分重要的意义。随着COVID-19 病情发展，病灶在CT 影像上数目、在切片上的面积均存在一定的规律[7-8]。胸部CT人工阅片诊断COVID-19模式在本次疫情中发挥了重要作用，但无法精准、可视化地对肺炎累及范围和病情进展情况进行量化分析。因此，本研究提出一种半自动的图像分割方法，对病灶进行分割，量化COVID-19 患者的胸部影像学表现，从而为临床诊疗提供数据支持。

1 肺炎的病灶分割方法

本研究利用COVID-19 的部位、形态、灰度分布 等特点，设计了基于区域生长和主动轮廓的图像分割算法（图1）。

图1 分割算法流程

1.1 基于区域生长的肺炎病灶分割方法 医师在病灶区域标注若干点，基于区域生长生成病灶的初始轮廓。……