骨扫描图像是核医学科临床上重要的诊断工具之一,因其敏感性高、能够全身成像、价格相对便宜等优点而得到了广泛的应用,尤其在病灶检测和肿瘤骨转移识别等方面具有重要的意义。实际中由于图像采集的差异性、病人之间的差异性、图像质量差和不同医生人工读片的经验不同和主观性限制等因素,使得骨扫描图像的分析诊断结果存在偏差,甚至可能影响病人的诊断和治疗,因此开发针对全身骨扫描图像计算机辅助诊断系统,对于病人和病灶点的客观、定量的分析具有重要的临床意义。同时图像分割和配准算法,不仅是医学图像处理领域基础而重要的研究课题,更是计算机辅助诊断系统的关键技术和核心组成部分。由于骨扫描图像本身信噪比低,图像边界模糊、病人差异性大等特点,也对图像分割和配准提出了新的理论挑战。本文针对全身骨扫描图像本身的特点,在人体分区、图像分割以及图像配准等方面进行了深入的研究,同时结合实际计算机辅助诊断系统开发和使用中遇到的问题,提出了能够满足实际应用需求的自适应算法。本文首先对大样本的全身骨扫描图像进行统计分析,在此基础上提出了一种新的自适应的全身图像分区算法,然后将胸廓区域作为重点研究对象,根据图像的灰度分布和脊柱形态的先验知识,提出了一种自适应的脊柱分割算法,能够克服脊柱形状异常、热点和肾脏等的干扰等问题。在胸廓提取和脊柱分割的基础上,利用医生手动绘制的标准模板和病人自身的局部灰度信息,作者进而提出了一种基于中线的肋骨分割算法,能够在后身图像中得到准确的肋骨分割结果。实验表明,与已有的图像处理算法相比,基于先验知识和标准模板的图像分割算法,能充分针对骨扫描图像本身的特点,得到更为准确的图像分割结果,满足计算机辅助诊断系统开发的应用。另外,本文对骨扫描图像的配准问题进行初步探究,分析和讨论了现有的配准算法的优缺点并针对骨扫描特定应用的选取Demons算法及改进的Demons算法进行图像配准并应用于图像的校正和热点检测中,取得了一些结果。本文涉及到的图像分割和配准算法,已经应用于全身骨扫描图像的计算机辅助诊断系统中,用于临床试验和测试,具有良好的应用前景。