尽管对分割技术进行了几十年的研究，但自动医学图像分割几乎不可用在临床环境中，仍然需要花费大量的用户时间。
我们通过使用自动器官分割一种新的自动标记近似算法，然后是超曲面波前传播方法。近似值该阶段依赖于直接从CT扫描数据中获得的预计算图像分区森林。
我们已经实施所有程序都直接在三维体上操作，而不是切片-切片，因为我们的算法与维数无关。结果显示了识别肾脏的分段，但可以很容易地推断到其他身体部位。
定量与手工分割黄金标准相比，我们的自动分割分析表明，骰子的平均相似性系数为90%。结果是通过9个肾脏的CT数据体积得出的，计算了这两个基于体积的相似性度量（如Dice和Jaccard系数、真正体积分数）和基于大小的度量（如相对体积差）。
该分析考虑了健康和患病的肾脏，尽管存在极端的病理性例被排除在总计数之外。由于扫描中Hounsfield单位分布幅度大，腹部肿瘤组织广泛扩散。
在肾脏保持形状的情况下，相似性范围取决于操作员之间的可变性。
虽然程序是完全自动化的，但我们的工具也提供了一个简单的级别手动编辑。
