肺动脉高压是我国临床常见疾病,由于肺血管重塑引起肺循环血流动力学改变,最终可导致右心衰竭,这使其成为致残和致死率颇高,严重危害患者身心健康,增加社会医疗负担的重大疾病。肺血管是人体最为重要且拓扑结构最为复杂的组织器官之一。如何用计算机来解析肺部CT图像以实现肺部疾病的辅助诊断是人们追求的目标,而正确分割出肺部血管是构建功能图谱和辅助诊断系统的关键。测量肺动脉及其分支可对由肺血管性病变及引起肺动脉形态改变的疾病进行诊断及提示,如肺动脉直径与肺动脉压之间有一定的内在联系,肺动脉压增高到一定程度,肺动脉直径亦随之扩大,因此通过肺动脉的直径可以预测肺动脉高压。由于Hessian矩阵特征值和特征向量在不同结构的独特性,在结构复杂的组织分割算法设计中,Hessian矩阵的应用常常能取得很好的效果。本论文将对Hessian矩阵特征值和特征向量进行研究,提出一种基于Hessian矩阵的三维图像分割算法。这个算法包括形态学阈值分割肺区、多尺度滤波器设计、为连接血管段之间断接的血管遍历和肺血管连通体分析。算法充分结合肺血管的形态特征,逻辑紧密,条理清晰,给程序设计带来很大的方便。对肺动脉的测量参考了国内及国外各学者在横断面图像上的测量方法,采用结合冠状面和矢状面进行测量,使肺动脉及各分支的定位更加准确,测量方法简便、易行。本文算法已经应用于28个不同的病例,均能成功分割出左右肺的肺血管,分割出的肺血管结构清晰完整,血管分叉明显,细小血管提取完全。在临床诊断中,粗肺血管更具有医学价值,通过对分割算法参数进行选择可只保留粗血管而放弃细小血管。然后与正常血管结构对比,找出肺血管异常症状,得出诊断结果。在测量实验中,将20位患者分为正常组和患病组,测得数据后分析得出,肺动脉干、左肺动脉、右肺动脉在各组内都有显著的性别差异,在正常组和患病组之间的差别也具有统计学意义。