血管疾病是人类健康的克星,及时发现和及早治疗能够有效的降低死亡率。目前,世界上公认血管疾病的评估方法是采用CT成像图像来观察病灶形态,以进行确诊。因此,基于CT图像的血管分割是计算机辅助诊断治疗的重要手段;借助计算机图像处理和人工智能等技术可以清晰地提取人体腹部主动脉及其分支血管,提高分割精度和血管疾病发现率,对于临床诊断和术前治疗都有相当重要的意义。人体腹部结构及其血管复杂性和个体差异性的存在,给人体腹部主动脉的图像分割和其疾病的临床诊断带都来了巨大的挑战。本文根据人体腹部主动脉的灰度,形态,结构等医学知识,分析了现有的针对血管分割算法的优缺点,提出一种基于混合模型与对称区域生长的三维血管分割算法,提取人体腹部血管树,并取得了一定的研究成果。首先,利用高斯混合模型与LBF模型,并结合三维空间感兴趣区域的约束项,在二维平面上提取出目标区域;其次,使用对称区域生长,根据人体腹部主动脉的特性及二维平面分割结果,更改其生长合并准则,进行区域生长;最终,在三维空间上通过种子点的选取,提取出完整的三维血管树。本文算法结合了区域分割与边缘提取两种算法的优良特性,考虑三维图像目标区域空间上的连续性,不仅能够很好的保持血管壁边缘的光滑,使得主血管形态清晰,而且在微小血管的分割上也表现出很高的正确率;根据人体腹部腔内复杂的环境和血管及其分支的特性,制定的三维生长合并准则简化了原算法的生长流程,减少复杂度,利用二维平面分割结果,在整个三维血管树的表现上能够很好的还原真实血管。通过对湖北省肿瘤医院提供的9个病例进行测试,结果采用重叠率,最大距离,敏感性和Kappa系数进行分析;和现有的算法的分割结果相比,我们的算法方法能够完整分割出主动脉血管壁和分支血管;在分割性能上,我们的分割精度和稳定性也表现相对较高。我们所提出的人体主动脉分割方案为血管辅助诊断系统的临床应用提供了坚实的理论基础。