随着医学成像技术的飞速发展,开展以此为基础的计算机辅助诊断系统的研究,逐渐成为了该领域的热门话题。随着多层螺旋CT的出现,医学图像所提供的病人的信息也就越来越丰富,医生需要处理的图像信息量急剧增加,一方面医生的工作量越来越大,另一方面为高科技手术方式提供了准确的信息。在计算机辅助诊断系统中,医学图像分割是最关键的技术。由于医学图像的复杂性和多样性,使得传统的分割方法很难实现良好的效果,特别是对于肺部血管的分割。肺部血管因其结构微小,血管边界模糊,再加上CT图像本身存在噪声的影响,使得分割肺部血管成为肺部分割的难题。本文主要研究了一些对肺部血管进行分割的算法和三维可视化的算法。在血管分割方面,首先研究了图像的预处理,包括图像的去噪滤波、肺实质图像的分割。接下来针对肺实质进行血管增强提取,包括基于Hessian矩阵的增强算法和基于逆浓度传播模型的增强算法,并对这些增强算法进行了实验分析。实验结果表明,经过区域生长分割并三维重建后,基于Hessian矩阵的增强算法可以滤除一些非血管组织,但计算量较大,而基于逆浓度传播的增强算法,具有简单快速的特点,在血管分割中具有一定的可行性。水平集方法的提出,极大地促进了主动轮廓模型的发展,水平集方法和曲线演化理论的结合,克服了传统Snakes模型的许多缺点,本文主要研究了基于水平集方法的主动轮廓模型对血管的分割,该方法对于血管复杂的拓扑结构变化有着巨大的优势,并在此基础上提出了改进,改进的模型扩大了轮廓检测范围,提高了分割效果。本文还研究了三维重建可视化技术。在对血管分割和三维重建理论分析的基础上,结合图像分割算法工具ITK和可视化开发工具VTK,设计了结合MFC开发的血管分割平台,使得对分割结果可以进行三维重建及人机交互,并取得了良好的可视化效果。