胰腺是人体内的一个重要器官,具有内分泌和外分泌功能,但也容易感染各种疾病,特别是胰腺炎和胰腺癌。胰腺分割在检测病理和提供定量分析中发挥着非常重要的作用,随着数字医疗设备的不断进步,胰腺分割成为计算机辅助诊断的重要前提。然而,胰腺复杂的解剖结构以及胰腺的形态、大小和位置因人而异,同时胰腺与周围的组织器官难以区分导致边界边摸,因此,如何对胰腺进行精确且有效的分割十分重要。本文以胰腺CT图像作为研究对象,使用水平集方法对胰腺进行半自动化分割,并基于UCTrans Net模型作为初始化进行全自动分割。研究内容主要有以下几个方面:数据预处理。了解医学图像保存的格式,读取胰腺CT图像后对其进行灰度增强及滤波去噪作为预处理,调整合适的窗宽窗位来修改胰腺CT图像的像素值,并通过中值滤波器去噪,保留边缘特征的同时使得图像更加清晰。基于水平集的半自动分割算法。为了解决水平集方法对初始化敏感的问题,使用区域生长作为水平集方法的预粗分割,提取初始区域并作为初始水平集函数;为了防止出现过分割、欠分割的现象,本文通过改进水平集的演化方程,提出了一个新的气球力来控制演化过程和方向,减缓边缘较弱或无边缘区域的演化过程,从而解决了演化轮廓在边缘较弱或无边缘区域泄漏并偏离胰腺边界的问题。基于UCTransNet和DRLSE的自动分割算法。由于水平集方法初始化过程难以避免人工交互,且具有人为主观性,为了解决人工干预的问题,提出基于UCTrans Net的自动粗分割算法,通过对UCTrans Net模型架构进行改进,提出使用双输入框架来为网络提供更详细的特征信息,从而掌握更多关于边界的信息,更好地捕捉胰腺的几何信息,学习更多有价值的胰腺特征,并作为水平集的初始化粗分割构造初始水平集函数,最后再通过改进的水平集DRLSE算法,更精准地实现胰腺全自动分割。本文通过公开NIH胰腺数据集对分割方法性能进行验证,实验结果表明本文算法可以有效地分割胰腺CT图像。