图像分割,顾名思义是对图像按照一定的相似性和互异性准则将其分割成不同的区域。在医学影像分析过程中,分割是重要的处理阶段,具有很多的医学应用,如定量检测和分析、可视化医学影像中感兴趣的区域等。在医学影像分析中,分割出感兴趣的解剖结构或区域并提取出来是非常关键的,交互式分割方法常用于此类针对用户特定需求的分割任务。在交互分割方法的发展中,尽可能减少用户的交互应当作为研究目标,面对大量病患影像数据的快速处理需求,医生和研究人员都迫切需要实时且用户交互量小的交互式分割方法。本文据实际项目中对三维医学影像实时分割的需求,提出一种针对三维医学影像的快速交互分割方法。本文采用一种改进的分水岭方法对图像进行聚类形成超像素。按照相对梯度高低的优先顺序合并规则来构建一种基于超像素的多叉树状结构。文中运用了树结构便于检索的强大特点,基于该多叉树结构构建了一种高效的检索树方法来划分子树,基于划分的子树集构建图结构,最后构造该图结构的最小生成树来实现实时交互式分割。传统的分水岭方法因为噪声和局部特征会引起过分割问题,本方法通过建立基于超像素的多叉树状结构,从树的底层开始逐层向上快速合并细小的区域,消除分水岭造成的冗余边缘,在树的高层中弱边缘会消失,且越高层中的相邻关系对应更强的边缘。本文分别将此方法测试了人体不同部位影像的交互分割情况,包括腹部CT、脑部CT的、脑部MR、人体PET、女性下腹部CT等,实验证明了此交互式分割方法适用于多种影像模式,如MR、PET、CT,且能通过少量的用户交互量,实现人体多个部位器官的实时交互分割。文中将传统的图割方法、基于泰森多边形的图割方法以及本文方法在同样种子点情况下进行了分割时间以及精确度的对比,本文方法突出了快速交互和少用户交互量等优势,能在毫秒级别进行目标快速分割,并且交互界面能够便捷地供用户进行反复多次交互,具有很强的交互性。用户添加种子点再次分割的时间低于0.1毫秒,而且对于本文方法来说,种子点的数量对整体分割速度影响非常小,相对总体分隔时间几乎可以忽略不计。本方法在分割精度上与金标准的平均重合率达到80%,边界分割精确度达到像素级,高于传统图割方法及基于泰森多边形的图割方法。