随着环境污染的加重,近年来肺癌的发病率不断上升,肺癌初期表现为肺结节,其中毛玻璃状肺结节的癌变率和死亡率要,远高于其他类肺结节。目前,CT已经成为了早期肺癌检测最为有效的医学检测手段,但由于科技的进步,医学影像切片的厚度越来越小,使得最终获得的切片数据量越来越大,大量的CT图像与人工诊断的准确率产生了矛盾,因此,对于毛玻璃状结节分割方法的研究已经成为国内外学家的研究热点。此外,计算机三维重建技术可以立体的显示结节的整体信息,方便医生对于后期治疗方案的规划。因此,对于毛玻璃状肺结节的分割与重建算法研究这一课题是非常具有意义的。本文提出了一种全自动的肺结节分割和重建方法,该方法首先对肺实质进行分割,以去除肺壁等结构对于后期肺结节分割结果的干扰,然后采取超像素和密度聚类相结合的方法对肺结节进行分割,最后对分割得到的序列图像进行三维重建,以此为肺结节的研究提供更多维的信息。主要研究内容如下:(1)肺实质的分割算法。为确保肺结节的准确分割,首先要将包括肺壁在内的干扰信息分割出去,得到完整地肺实质。本文提出了一种全自动的基于区域生长和模糊聚类的分割方法。该方法将区域生长法和模糊c均值聚类法相结合,并融入图像的直方图信息,最终得到完整的肺实质图像。(2)肺结节的分割算法。本文采取超像素分割与密度聚类相结合的算法,首先通过超像素对肺实质图像进行过分割,然后通过密度聚类的方法将肺结节提取出来。考虑到毛玻璃状结节的特殊性,本文将肺结节的边缘特征融入超像素算法中,改变初始聚类中心的选取规则,并根据肺结节的亮度特征、密度特征、类圆度定位到肺结节,结合二次密度聚类的思想,提出一种基于边缘敏感的SLIC和二次密度聚类的肺结节分割算法。实验结果表明,本文提出的算法具有较好的分割效果。(3)肺结节三维重建模型。实现准确三维重建的前提是二维序列的准确分割,但现有的分割算法不能保证二维序列每层都能定位到肺结节所在的区域。对此,本文提出一种二维层间序列自适应纠正算法。该算法首先计算图像序列中心点的均值,然后分别计算图像与中心均值及序列其他图像之间的距离,通过对比两者的距离,得到错误定位的图像,并利用上下层的信息,得到肺结节的区域位置,重新对其进行定位和分割,最后采取面绘制中的移动立方体算法对目标进行重建,多维度的显示信息,为后续的治疗方案提供了依据。