解决传统模糊连接度难以较好分割CT图像肝血管、需要多个种子点和较耗时等问题.改进传统模糊连接度分割算法:对最新的Jerman血管增强算法进行改进;将改进的血管增强响应引入模糊亲和度函数;使用Otsu多阈值算法代替置信连接度,　进行模糊连接度算法的初始化.预处理包括自适应S型非线性灰度映射和各向同性插值采样;随后,　执行改进的Jerman血管增强算法;再将其增强响应引入模糊亲和度函数,　同时利用Otsu多阈值算法统计前景目标信息,　对模糊连接度进行初始化;最终,　结合单一种子点实现三维肝脏血管的自动分割.选用内含20例CT的公开数据集,　定量评估改进的血管增强算法和模糊连接度分割算法.评价标准主要包括对比度噪声比、准确性、敏感性和特异性.该血管增强算法的平均对比度噪声比为8.43　dB,　优于传统血管增强算法.该血管分割算法的准确性达98.11％,　优于基于置信连接度的传统模糊连接度分割算法、区域生长算法和水平集分割算法.此外,　在分割算法的耗时方面,　该算法也具有明显优势.提出的三维分割方法能有效解决传统模糊连接度分割CT影像中肝血管结构的不足,　可提升分割精度和效率.