医学图像分割不但是临床中一项重要辅助诊疗技术,也是科研热门领域。在治疗骨科病患时,医生凭借着理论基础和临床经验手动分割患者的椎骨CT图像,容易造成诊断偏差。手动分割精确虽然满足临床要求,但是高精度分割可以更好地辅助治疗。手动分割对医生基础知识和从医经验要求很高,分割效率非常低。针对以上问题,本文提出改进的椎骨CT图像分割方法,主要研究工作围绕以下两方面展开:1.首先针对椎骨图像噪声多脏器干扰分割的情况,选择合适的预处理方式,通过各向异性滤波对脊柱椎体图像消减噪声,灰度线性变换增加对比度等方式使CT图像中的椎体部分更加明确。其次旋转、平移、缩放等操作扩充数据集,为训练网络提供数据条件,预防网络过拟合。2.基于U-Net模型做出改进,对椎骨CT图像进行分割。以提高分割速度为目的从两方面解决问题,第一提升网络收敛速度,利用规范层将前一层的激活值重新规范化,将激活函数重新放大。第二在保证分割精度的同时尽量减小网络结构,用深度卷积或者逐点卷积替换基础卷积层。为了达到细化椎骨边缘分割结果,将基于DB-U-Net的分割结果得到的特征图转化为概率图像。3.在保证已有分割精度同时结合图割算法(Graph Cut),引入边界项能量函数与区域项能量函数,将分割问题转化为能量函数求取极值问题。对能量函数中的λ值进行实验分析提升边缘分割细粒程度。经过实验,本文提出的分割网络能够精确分割CT图像中的椎骨区域,在椎骨分割各项指标中,本文算法分割结果与经典U-Net分割结果相比较,分割精度有明显提升,能够对临床椎骨疾病诊断起到辅助指导作用。