当前,计算机技术发展日新月异,随着医疗器械的配套更新,医学图像的数据也越来越丰富。面向医学图像的处理和分析能够对医生的诊断和治疗起到辅助、启发和推动作用。医学图像分割是医学图像处理的基础技术,可以根据应用需求,对医学图像中的兴趣区域进行像素级的标记。医学图像的成像方式繁杂,图像特征各异,同时,不同成像方式下的医学图像可能会针对不同人体部位,这些都导致了医学图像分割需要针对不同成像方式的数据构建不同的模型。本文重点针对三种医学图像进行分割模型的研究,这三种图像包括:创面图像、病理图像和高分辨率的电子计算机断层扫描（HRCT）图像。这三种图像拍摄的目标不同,特征相差很大。本文的主要贡献包括:1、创面分割存在的主要问题包括:（1）图像背景复杂,干扰因素多,会导致不合理的分割结果;（2）创面图像收集困难,数据量较少,不利于训练出分割效果好的深度学习模型。针对这些问题,本文提出了一种面向复杂背景的创面分割方法,利用创面语义信息,基于传统图像处理方法,有效提升了深度学习模型的创面分割效果。其基本思路是:（1）以形态学方法为基础,通过对人体皮肤特征的分析,设计了一种有伤皮肤检测的算法,以此为基础排除复杂背景;（2）设计了一种分离背景的模型训练方法,用包含和消除了复杂背景的创面图像集进行训练,用消除复杂背景的创面图像进行识别,在保持模型泛化能力的同时,减少创面识别过程中的干扰因素;（3）以创面语义为基础,设计了一种创面语义修正算法,通过对创面分割结果进行不合理排除、合并消融等方式,改善创面分割的效果。实验结果显示模型很好地解决了存在的问题,提升了创面分割的精度。2、面向图像分割的深度神经网络模型主要存在以下问题:（1）深度神经网络的池化和卷积操作会模糊图像的位置信息,影响图像分割结果的精度;（2）深度神经网络不能直接利用图像语义等先验知识,导致分割结果存在一定的误差。针对这些困难,本文提出了一种基于位置信息增强的创面分割网络,通过图像位置信息增强以及基于平滑卷积核的语义修正,有效提升了图像分割精度。其基本思路是:（1）提出了一种图像位置信息增强方法,将图像二维位置信息表示成一个独立的位置图,将该位置图加入模型训练,可以有效增强网络提取图像位置信息的能力;（2）设计了一种位置信息增强卷积方法,利用经验值的卷积核融合图像像素之间的位置关系,提升位置信息的利用效果;（3）设计了一种基于语义修正的分割平滑方法,根据图像语义环境设计平滑卷积核,对分割结果进行修正,减少了分割结果的误差。实验结果显示本文方法能够较好地提高网络对创面位置信息的提取能力,优化了网络分割效果。3、胃腺癌病理图像癌区分割中存在的问题包括:（1）图像癌区与健康组织之间存在过渡区域,导致边缘模糊,难以进行准确分割;（2）病理图像尺寸过大,导致无法直接使用深度神经网络进行训练和分割。针对这些问题,本文提出了一种级联精细化的病理图像分割方法,将像素级分割问题转换成逐步求精的块分类问题,细化块分类粒度,得到分割粗标签,以此训练得到分割网络。其基本思路是:（1）提出了一种基于医学观察切割的病理小块精确分类网络,根据医学观察,将全切片图像切割成经验尺寸的可区分病理小块进行分类标注,使用此分类标签训练得到一个稳定的病理小块分类网络,解决了病理图像分割标注困难的问题;（2）提出了一种基于组织环境的病理块细分方法,交叉切割病理小块,基于各小块原有分类信息确定重叠区域二次分类结果,实现对病理小块的细分标记;（3）基于前述技术,设计了一种级联精细化的病理图像分割框架,利用细分块的分类结果对图像进行像素级标注,在此基础上获得像素级的病理图像癌区分割模型。实验表明,该模型可以很好地解决任务中的问题,能够完成对全切片图像的像素级精确分割任务。4、间质性肺病的胸部HRCT图像肺实质分割任务中存在以下问题:（1）图像中存在环境噪声,会影响到肺实质的分割结果;（2）因病导致的肺部存在异常区域,这些异常与非肺组织的特征相似,难以分割。针对这些问题,本文提出了一种基于分水岭和形态学方法的图像分割模型。其基本思想:（1）基于人体胸腔区域的语义特征,使用形态学的方法构建了一种胸腔区域分割模型,分割出人体胸腔区域,从而排除环境背景的干扰;（2）提出了一种基于多次分割校正的肺实质分割方法,使用分水岭法对多种分辨率肺实质进行分割并求其差值,基于差值的分类修正分水岭中异常区域的标记后,完成肺实质的精确分割,从而解决了肺实质中异常区域的错误分割问题。实验结果表明模型很好地解决了图像中背景和特殊的异常区域对肺实质分割带来的影响。