肺癌是常见的恶性肿瘤之一,严重威胁人类健康,而放射治疗是治疗肺癌的有效手段。肺4D-CT在肺癌的放射治疗中扮演着重要角色,它能真实地反映人体各器官组织和肿瘤随呼吸运动的变化规律,这些信息对于肺癌的精确放疗意义重大。利用肺4D-CT图像可以针对患者的运动特征制定个体化的精确放疗计划,降低靶区外放边界,提高靶区受照射剂量,减少周围正常器官组织所受的照射剂量。但是一套肺4D-CT数据是由多个相位的图像组成,通常包含上千张图片,医生勾画靶区的工作量就成倍增长,这会影响医生对靶区的准确判断。而在放疗过程中靶区定位十分关键,其准确性直接影响放疗效果,因此肺4D-CT的靶区勾画是一个耗时耗力的工作。利用图像分割技术来帮助医生勾画靶区就是有效的解决办法。图像分割是根据人们的需要,将图像划分成各具特性的不同区域。医学图像分割就是将感兴趣的器官或组织提取出来。本文就是对肺4D-CT图像进行分割,提取出各个相位上的肿瘤图像,帮助医生确定靶区。虽然近年来图像分割算法层出不穷,但是CT图像上肿瘤与周围组织的对比度较低,而且肺肿瘤大小形态位置各异,容易侵犯周围正常组织器官而发生粘连,边界模糊,准确分割肺肿瘤图像依然十分富有挑战性。而且从降低医生工作负担的角度来说,对分割算法的自动化程度也要求较高。本文针对上述问题,提出了两种基于不同约束图割的肺4D-CT图像分割算法,是在图割算法的基础上对其进行了改进,提高了它的分割精度和自动化程度,协助医生勾画靶区,降低他们的工作量,使4D-CT更方便地应用于肺肿瘤精确放疗。其一,本文提出了一种基于星形先验和图割的肺4D-CT肿瘤自动分割方法。首先在4D-CT初始相位图像上,由医生选取目标种子点,以此种子点为中心,形成一个N×N×N大小的初始目标块,将肿瘤全部包含在其中。N的大小由医生观测肿瘤大小估计得到。然后采用运动估计中的完全搜索块匹配算法,获得下一相位图像中与初始目标块最相似的目标块,同时估计出它们之间的运动位移,以此类推,可以得到所有相位的目标块以及对应块之间的运动位移。接下来利用这些运动位移和初始相位目标种子点的位置,计算出其余各相位目标种子点,作为星形先验的中心点。最后在各相位的目标块上使用结合星形先验的图割算法,即可得到肿瘤分割结果。实验结果表明,此方法的分割准确性优于传统图割算法,同时也提升了算法的自动化程度。其二,本文提出了一种基于图割的利用肺4D-CT上下文信息的多相位肿瘤联合分割方法。该方法是将肺4D-CT各相位图像联合构建成一个全局网络图,每个相位的图像都是一个子网络图,上下文信息作为约束项加入到各个子网络图之间,也就是给相邻网络图的对应节点之间加上边。在多相位网络图的基础上,我们构建了新的全局能量函数,包含各相位的区域项、边界项和新增加的上下文信息约束项。其中区域项和边界项的构造与原始图割算法相同,而上下文信息约束项参考了 Potts模型,用来惩罚相邻相位对应体素点标号不一致的情况。通过优化新的能量函数就能完成多相位肿瘤的联合自动分割。该方法进一步减少了用户交互,用户只需在某一相位图像上选取目标和背景种子点,所有相位上的肿瘤都能被自动分割出来。我们在十套肺4D-CT数据上进行了实验,从视觉和量化结果来看,该方法的分割结果优于未加入上下文约束的图割算法以及结合星型先验的图割算法。