背景：在现代社会中,随着工业化的发展,导致空气污染加重,人体肺部疾病发病率高,类型众多,如肺癌,气管炎,肺气肿,哮喘等都会严重危害人体健康。随着多排螺旋CT的发展,医生可以通过一次扫描便获得患者的影像信息,并结合先进的影像处理技术对疾病进行分析诊断。基于上述优点,CT成像并认为是诊断肺部疾病的金标准。但由于气管树的结构复杂,对比度差,并且容易受到噪声、容积效应的影响,如何准确的在CT数据中提取完整的气管树结构仍面临挑战。目的：基于人体气管树的形态学结构,提出一种全新的方法来提取气管树结构,并为临床诊断提供参考依据。材料和方法：本课题采用的所有CT数据全部来自辽宁省沈阳市盛京医院,所有的CT图像的重建矩阵大小皆为512*512,机器型号包括飞利浦Brilliance64和东芝。本算法首先基于区域生长,波传递算法,形态优化和填洞操作来提取主气管。再提取肺区其余部位的低CT值区域,并使用一些形态学手段来得到肺区内的管状结构特征组织,之后筛选正确的遗漏气管并将其和主气管进行拼接,最后再通过迭代操作来得到气管分割的最佳结果。结果：此算法已在成功应用于28个肺部CT数据,并邀请盛京医院的放射科医生对分割结果进行评估,并与人体实际支气管的解剖学特征进行对比,根据统计结果可得本算法能够分割出5级以上的人体支气管。结论：人体气管树的分割结果能为医生提供一定的临床参考,并为气管分支分段骨架化和气管仿真内窥镜提供研究基础。