数字人图像的自动分割方法*

罗洪艳李敏张绍祥郑小林谭立文刘宁

(1.重庆大学生物工程学院，重庆400030;2.第三军医大学解剖学教研室，重庆400038)

数字人是综合应用现代科学技术对人体信息的数字化进行探讨的新兴研究领域，其研究有着广阔的应用前景.数字人研究的基本步骤之一是切片图像的分割，二维切片图像中器官轮廓分割的准确性直接影响到三维人体模型重建的质量［1］.目前，数字人切片图像的分割主要使用手工分割或半自动分割［2］，分割速度和准确度都难以满足数字人发展的需要.

关于医学图像中CT(计算机断层成像)或MRI(核磁共振成像)图像的自动分割，国内外已有大量的研究.由于数字人切片图像复杂、数据量庞大，与CT、MRI图像的成像原理不同，现有的基于CT或MRI图像的自动分割方法难以适用于切片图像，特别是包含众多解剖结构、形态变化尤为复杂的脑切片图像.近年来，国内外研究者对脑切片图像的自动分割进行了初步探索，主要在脑组织的整体分割方面取得了较大进展，改进的Mean Shift算法［2］、基于高斯混合模型和先验知识的方法［3］、基于模糊C均值方法［4］、基于形态学的方法［5］相继成功应用，而且研究的触角已进一步深入到更具难度的脑内部结构的自动分割，如采用区域生长结合阈值的方法完成了单幅图像中的白质分割［6］.但对于整套脑部切片数据集中脑内重要解剖结构的连续自动分割鲜有报道.

有鉴于此，文中提出了一种基于连通域标记与K-均值……