相比于传统CT,能谱CT利用不同能量光子关于物体衰减的差异性进行成像,能够提高物质分辨能力和准确的材料分离和定量化信息,逐渐成为近年来医学成像领域的研究热点。本文以研究能谱CT成像探测和自动分割技术为目标,对基于边缘入射探测器的成像仿真系统进行级联分析,并提出了改进的CT影像自动分割算法。在CT成像探测方面,本文建立基于边缘入射探测器的CT成像模拟系统,对内部设置相对完善的物理环境的同时利用复合能谱对体模进行实验,达到模拟真实临床环境的目的;同时利用级联分析方法对探测器内部的粒子输运过程进行了建模,并利用载流子漂移扩散模型对探测器像素单元的电子收集进行校正,通过滤波反投影重建算法对成像电子进行图像重建,为后续医学影像自动分割提供高质量能谱图像数据;在CT影像分割方面,针对目前自动分割算法难以精确划分目标边界的问题,本文提出一种基于混合损失函数的改进型UNet网络结构。该网络在上采样过程中只复制池化层特征,并引入残差网络对初步分割图像进行循环精炼,利用对于边界敏感的新型混合损失函数对图像进行细化处理,可得到更为精确的分割结果。利用级联分析模型和滤波反投影算法对光生电荷进行收集并成像,结合改进UNet网络实现对生成图像的自动分割。该方法不仅可以对成像模型参数进行设置,而且可以实现对医学图像边界的精细划分。实验结果表明,相比于普通算法,本文提出的基于边缘入射探测器的级联分析模型生成的重建图像的PSNR值提高约4d B;并且本文改进传统UNet分割网络并用于肝脏部分的医学图像分割,其分割结果的平均Dice系数分别为96.26%和83.32%,可以实现CT影像的自动分割任务。组合形成的智能影像分割系统可以在不同的能量区间进行图像重建并利用已训练好的网络模型完成分割任务,提高CT影像分割结果的同时缩短网络运行时间。