肝脏分割是肿瘤切除手术、活体肝移植和微创手术等计算机辅助手术的基础。但是在肝脏和胃、心脏、肋骨的肋下脂肪等相邻组织的边界，相邻的器官通常和肝脏自身的密度非常相似。在这些密度相似的区域，仅基于灰度的分割方法是不可行的，会产生错误的分割。又由于肝脏的形状个体差异较大，肝脏用基于模型的方法来描述也非常困难，这样仅基于模型的方法也是不适用的。并且，大多数的临床影像都有严重的病变特征，比如肝硬化，肿瘤等，这些病变区域的密度和肝脏组织的密度有很大的差异，而且位置无法预测，但是这些病变区域在分割中又必须要包含在肝脏区域内，这样又增加的肝脏分割的困难。因为上述种种困难，临床上实际使用的肝脏分割方法通常是人工手动分割，这非常枯燥又消耗时间。所以临床应用迫切的需要一种快速、准确的全自动的三维肝脏图像分割方法。　　本文在对现有的医学图像分割方法进行比较研究的基础上，发现肝脏分割的四个关键问题是:　　1.如何建立一个能代表肝脏的模型，并将其适配到目标图像上。　　2.如何在肝脏模型基础上进行进一步的精确分割。　　3.如何把肿瘤等病变区域包含到肝脏内。　　4.如何在肝脏图像形态差异很大的情况下实现肝脏的自动分割。　　为了解决这些问题，本文提出了基于平均图谱和体素分类的三维CT肝脏自动分割方法。该方法在解决第一个问题时使用平均图谱分割。平均图谱分割首先基于训练集中手动分割的肝脏建立肝脏形态平均图谱，然后通过非刚性的配准把模型配准到目标图像上得到概率分割，之后结合体素信息自适应的选择最佳闽值对概率分割闽值化得到分割。该方法在解决第二个问题时使用的是体素分类。体素分类使用KNN分类器将目标图像中的体素分类为肝脏体素和非肝脏体素，以进一步的对肝脏进行精确分割，体素分类只是基于图谱分割的分割结果建立的窄带中进行。对于第三个问题，由于平均图谱分割利用的是整个腹部的解剖结构来确定肝脏的位置信息，虽然肿瘤等病变区域和肝脏正常组织在体素信息上和肝脏组织相差很大，但是病变区域的位置是包含在肝脏内部的，所以平均图谱分割会对病变区域正确分割。对于体素分类可能造成的把病变区域分类为非肝脏区域，由于本文的体素分类只在建立在肝脏边界上的一个窄带中进行，这样可以尽可能的避免发生这种错误，并且本文在后处理过程中加入一个孔洞填补的过程，可以对病变区域造成的孔洞进行修补。对于第四个问题，本文在分割之前对所有数据进行归一化，消除数据的差异，并且在后续的处理过程中无人工干预，以实现肝脏的全自动分割。　　经实验表明，本文的方法能自动地对肝脏实现有效的分割，且分割效果比平均图谱分割和体素分类分割效果都好，对于大部分肿瘤肝脏也能实现有效的分割。