医学图像分割是计算机辅助诊断的重要基础,由分割获得的体数据在器官三维重建、病理分析、病情跟踪、治疗规划、手术导航、可视化医疗和医学教学等领域具有重要意义。由于医学图像具有多样性和复杂性,通常呈现模糊性和不均匀性,影响了分割的准确度。统计形状模型是一种基于全局先验的医学图像分割方法,具有较高的准确度和稳定性,被广泛应用于医学图像分割领域。在此基础上,基于三维统计形状模型的多器官分割,充分利用多器官结构中器官的相对空间信息,可以同时得到多个器官的分割结果,有助于模型的初始定位,并提高分割结果的准确度、稳定性和效率。标记点的对应是三维统计形状模型构建的关键步骤,对于模型质量以及基于模型的分割精度有重要影响。本文提出一种基于边收缩表面化简和微分同胚Demons球面配准的标记点对应方法。使用化简得到的参考形状代替均匀分布的参考形状,提高了标记点对原始形状的表达能力;使用微分同胚Demons球面配准方法利用形状梯度和表面曲率特征实现训练集中轮廓配准,提高了标记点对应的准确度。实验结果表明,本文方法构建的模型具有较高的专一性,对后续分割应用的准确度具有积极的影响。同时,本文提出了一种基于三维统计形状模型多器官分割算法,实现了胸部CT中左肺、右肺以及心脏三个器官的同时分割。由于单器官点分布模型的可拓展性,将三个器官的表面网拼接,联合构成一个整体表面网结构,构成多器官模型。图像分割实验采用“留一法(leave-one-out)”,我们比较了三个左肺、右肺和心脏的单器官统计形状模型以及一个联合了左肺、右肺和心脏的多器官统计形状模型。实验结果表明,与单器官分割方法相比,本文提出的基于统计形状模型的多器官分割算法平均准确度提高了 1.05%,左肺以及心脏的最低准确度分别提高了 18.55%和28.72%,且各器官分割准确度均大于70%,说明本文算法具有更高的准确度、稳定性和效率。