随着医学成像技术的飞速发展,医学影像在临床疾病诊断与分析过程中发挥了越来越大的作用,其中,精准的组织器官与病灶区域量化分析为临床诊断、疗效评估等提供了强有力的科学保障。因此,临床医生亟需计算机辅助诊断分析软件,对组织器官和病灶区域实现精准的分割量化,以提高临床诊断与分析的效率和准确率。目前,研究人员针对医学影像普遍存在的灰度不均匀、噪声干扰等问题提出了一系列分割算法,而医学影像的多模态特性和组织器官固定拓扑结构特性使得这些图像分割算法依然面临着挑战。另一方面,近年来基于图论的分割算法表现突出,这是由于图论中的图结构能够有效建立图像中像素点的相互关系,并通过特定建图方式实现固定拓扑结构的分割效果,因此更加适用于多模态和固定拓扑结构的医学影像分割任务。本文深入研究了图论中图割和图搜索算法的原理与实现,并以此为算法基础针对医学影像的多模态和分割目标的固定拓扑结构等特性提出了改进与创新。本文的主要研究内容与创新点总结如下:1、针对双模态肺肿瘤分割难点问题,本文提出了一种基于双模态的分割算法,优化了建图模式,改进了代价函数。该算法通过随机游走算法为图割算法扩增了种子点区域,并提出了随机游走能量项和高斯混合模型能量项,充分利用了两个模态的结构信息和功能信息,最终通过建立双子图图割模型,实现了双模态下肺肿瘤的准确分割。本文收集了 25位肺肿瘤患者的双模态影像数据进行了算法验证,并取得了不错的分割结果,验证了该算法的可行性且为多模态医学影像的分割任务提供了有效的分割方案。2、针对三维视网膜层结构分割任务,本文提出了一种自适应动态约束的分割算法,改进了建图模式。该算法根据形状先验信息完成自适应建图,并实现目标表面层的准确分割。该算法相对于传统图搜索算法具有更强的灵活性和适应性,能够在形态差异巨大且变化剧烈的分割任务上实现准确的分割。本文分别在10个正常眼和10个青光眼数据的视盘区域内界膜分层任务上进行算法验证,并取得了 5.38微米的平均绝对距离误差,表明了该算法的准确性,同时为更广泛的目标表面分割任务提供了改进和优化方案。3、针对三维视网膜视盘区域的视杯盘分割任务,本文提出了一种基于自适应动态约束图搜索结合随机森林的分割算法。该算法利用极坐标重采样操作克服了血管阴影等因素所导致的视盘边界模糊且难以界定的问题,并结合动态约束图搜索算法提取了视盘边界有效特征。最终该算法在30个正常眼和35个青光眼数据上进行了测试,分割Dice系数为0.925,进一步验证了该算法的准确性,同时该算法也开发成了软件,并在眼科医院进行了临床和科研的应用。4、针对视盘区域视网膜层的孔洞拓扑结构特点,本文提出了一种具有固定拓扑约束的三维视网膜层分割算法,改进了建图模式。该算法充分利用了形状先验信息,提升了分割准确率,并通过设立共享孔洞边限定了分割结果的拓扑结构,在视网膜分层任务中避免了分层错乱的问题,实现了更准确的视网膜分层。在本文实验阶段,该算法在10个正常眼和10个青光眼数据上实现了8层视网膜准确分层,且平均绝对距离误差为7.51微米,进一步验证了该算法的准确率以及通过建立共享孔洞边实现拓扑约束的可行性,并为其他具有特定拓扑结构的目标分割任务提供了解决思路。