杜一凡，瞿航，王苇，赵义

1. 大连医科大学 研究生院，辽宁 大连 116023；2. 扬州大学附属医院 放射科，江苏 扬州 225009

引言

随着医学成像设备的发展和计算机技术的进步，人工智能软件已经在临床上得到广泛的应用，可对临床治疗方案的制定起到一定的辅助作用[1]。其中一个重要基础就是对影像检查图像数据的处理，更为精确地分割、识别病灶区域对后期诊断的准确性起到关键的作用[2]。脑出血是神经系统最常见的疾病之一，具有病情变化迅速，病残率高，死亡率高的特点。CT 是临床诊断脑出血最重要的方法之一，CT 影像提供的诊断信息包括出血部位、出血量、中线移位及脑室受压程度等[3]。对CT 图像的病变区形态特征进行提取和分割，以及影像学征象进行识别，是脑出血影像学分析的重要基础，同时具有重要的临床意义[4]。自发性脑出血CT 影像中存在出血形态不规则、边界不连续、运动伪影较大、高噪声等特点[5]，运用分割算法对CT 影像中出血区域精确分割是影像评估的基础。

近年来，越来越多的图像分割算法应用于医学图像辅助诊断，如腹腔实质脏器分割等[6]。脑出血相关的研究同样较多，但分割精度和实际临床应用价值有待进一步提高[7]。基于此，近年来有研究者在颅脑出血CT 图像分割方面进行了大量的工作，主要是基于区域和基于边界的分割，包括阈值法、区域生长法、基于梯度的边缘检测、模糊聚类、基于活动轮廓模型等方法，目前常用的软件算……