CT是一种重要的医学成像手段,特别是低剂量CT由于对人体危害较常规剂量CT低,在肾脏疾病的诊断与治疗中具有重要作用。肾脏疾病的诊断与治疗通常需要获取肾脏形态的各类参数,这些参数的准确获取要求先从CT图像中准确分割出肾脏器官。肾脏分割技术目前已成为肾脏辅助诊断和治疗、手术规划和手术导航等领域的研究热点,研究精确的分割方法对实现肾脏疾病的准确诊断与治疗具有重要理论价值和实际意义。Grab Cut分割方法是一种有效的图像分割方法,在肾脏分割中具有广泛的应用前景。然而,低剂量CT图由于辐射剂量的减少导致图像中存在伪影和噪声、目标边界模糊及目标的粘连等问题,这些不利因素使得传统的Grab Cut分割需要人工选取种子点,同时会降低Grab Cut方法的分割精度。为此,本文提出了将脉冲皮层模型(Spiking Cortical Model,SCM)与Grab Cut相结合的方法,该方法主要包括种子点的自动选择和Grab Cut分割方法的修正。在种子点选择方面,通过脉冲发放皮层模型、形态学处理和轮廓提取等环节的有机结合,实现了种子点的自动选择。在Grab Cut分割方法的修正方面,基于肾脏图像经SCM处理后得到的点火图序列,采用基于图像块的思路获取可有效表征肾脏图像特征的熵值图,利用该图来修正Grab Cut能量项中边界项的参数,为肾脏准确分割提供了有效手段。本文采用两组低剂量腹部平扫CT图像序列作为测试数据,对提出的脉冲发放皮层模型和Grab Cut结合的方法进行了客观和主观评价。客观评价采用了FOM(Pratt’s figure of merit)和DSC(Dice Similarity Coefficient)两个指标,评价结果表明本文提出的方法较传统Grab Cut方法具有更高的分割精度。而主观评价结果表明:本文提出的方法克服了传统Grab Cut方法在肾脏分割中易出现的过分割和欠分割问题,实现了肾脏的有效分割。