一种提高支气管分支识别精度的分割建模方法

本发明公开了一种提高支气管分支识别精度的分割建模方法，属于医学图像处理与呼吸道三维重建技术领域。该方法通过对呼吸道CT影像进行高分辨率采集，结合灰度阈值设定与区域生长算法完成气管树的初步分割；在分叉处引入参考线并采用基于密度梯度的动态区域生长，实现至第6级支气管分支的精细化识别。随后对生成模型进行多次迭代修正，人工比对解剖学特征以删除伪分支、补全缺失分支，并在Geomagic软件中完成光滑化和NURBS曲面构建。最终将所述支气管分支模型与独立生成的上呼吸道模型进行拼接融合，获得完整的三维呼吸道组合模型，并通过偏差分析确保其与原始CT影像的误差控制在0.8mm以内。本发明方法能够显著提升细小支气管分支的识别精度，克服传统阈值分割误识或漏分的不足，所获得的三维模型可用于气溶胶药物沉积模拟、呼吸系统疾病诊断、手术规划及个性化吸入装置的设计与评估。