在脊椎MR图像中,患者身体的病变信号通常隐藏在椎块位置的偏移和椎块大小的变化,或者椎间盘的变化信息中。研究脊椎和椎块分割算法,实现MR图像中多个模态下的椎块自动分割系统,将有助于医生开展诊断和治疗工作。算法共分为三个模块,分别是脊椎图像的预处理、基于深度学习的椎块分割和分割结果的修补处理。预处理时,基于脊髓区域完整性和椎块边缘清晰度等特征在多层矢状面图像中挑选出最优图层;基于灰度值拉伸和反锐化算法实现图像增强;根据脊椎的右边线的凹凸性和脊椎宽度信息判断椎段部位,进而提取脊椎ROI用于深度学习和结果优化。在脊椎ROI区域中分割椎块时,将从多个模态数据中提取到的ROI混合在一起,采用V-Net网络模型进行训练,损失函数使用soft dice loss函数。采用ROI图像进行训练比用整幅图像的训练效果要好。根据训练得到的网络模型分割脊椎图像,得到初始的椎块分割结果后进行优化。优化过程分为黏连椎块的检测与隔断、缺失椎块的检测与修复两个部分。黏连椎块的检测利用了多椎块黏连后的高度信息和面积信息。对于空洞型黏连的椎块,在空洞处根据垂线断开;对于单边黏连的椎块,从凸包算法检测出的凹点处进行隔断。缺失椎块的检测主要是根据椎块的面积和宽度信息。缺失椎块在修复时,对于椎间盘明显的图像,从椎块ROI中剪出椎间盘得到椎块;在椎间盘不明显的图像中,采用了区域生长法修补缺失椎块。对于前面修补效果不好的椎块,采用了形状拟合的方法估计缺失的椎块。本算法对于武汉联影科技有限公司提供的多模态下的脊椎图像都通过分割得到了较为准确的椎块区域。结果表明,此椎块分割方法能够准确地在多模态下脊椎图像中分割出颇为满意的椎块结果。