区域增长算法是混合分割方法中最为简单的一种算法，该算法是一种根据预先定义的连接标准从三维体数据中提取连续区域的技术。一般地，区域增长算法需要一个种子点作为算法的'起始点。从种子点开始，算法增长至所有满足连接标准的体素。与阈值算法一样，区域增长算法非常简单，一般不单独使用。更多情况下，该算法只是作为分割任务中的一部分，作为最初的、更复杂的分割之前用来理解三维数据的方法。该算法最大的缺点是，需要人工交互选取种子点。而且，每一个待分割区域都需要一个种子点。另外，区域增长算法对噪声和局部体效应敏感，使得提取出来的区域不连续(有空洞)。

　　2 分割算法的性能评价

　　上述的大多数算法通常是针对某一类问题提出的,如果给定一个具体问题去选择一种适合的分割方法仍是个难题,这就要研究分割评价。医学图像影像三维目标分割算法的评价应具有一般性、客观性和定量性。一般性是指该方法应适用于多个分割算法的评价,客观性是指该方法不包含人为因素, 定量性是指评价结果是定量的。对分割算法评价要基于一定的评价准则( 评价指标或测度)，在分割技术的评价中,评价准则是最重要的因素。常用的评价准则有：①区域间对比度，根据区域之间特性对比度的大小可以判别分割图像的质量,也可由此推出所用分割算法的优劣；②区域内均匀度，图像分割就是把一幅原始图像分割成若干个具有相似特性的区域,可以用分割图像中各区域内部特性均匀的程度来描述分割图像的质量。

　　3 讨论

　　当今医学超声成像技术的发展趋势主要表现为数字化、多功能化和多维化。其中,超声三维或四维成像技术与常规二维超声成像相比,不仅可以实现更加直观形象的立体显示,而且可以减小常规B超扫描层厚,提高B超扫描图像质量。对基于不同数据采集方式的超声三维成像技术,一个重要制约因素是三维体数据的有效分割,分割算法的性能直接影响后续的三维重建和可视化。目前临床上使用的图像分割方法主要是基于人工提取轮廓的手动分割或基于内嵌软件的半自动分割,在分割速度和分割效果方面还存在许多问题。 本文结合超声三维成像的研究背景,对基于多平面扫描的三维成像技术中的图像分割算法展开研究。在深入分析、研究已有超声图像分割算法的基础上,综合考虑分割速度和分割效果等因素,对两种广泛应用于医学超声图像分割的算法提出改进方案。超声仿真图像和实际图像的实验结果表明,改进算法得到了较为理想的分割效果。

　　【参考文献】

　　[1]宋麦玲；杨小红；图像分割技术研究[J]；软件导刊；2007年07期

　　[2]石峰；三维医学图像精准分割算法研究[D]；上海交通大学；2009年

　　[3]谢仪；常用数字图像分割算法研究[J]；电脑开发与应用；2008年06期

　　[4]魏巍；医学超声图像的三维重建技术研究[D]；山东科技大学；2010年