針對肺部病變及支氣管干擾等因素導致的肺實質分割困難的問題，本文提出一種融合表面波（surfacelet）變換與脈沖耦合神經網絡（PCNN）的肺實質分割算法。首先，通過 surfacelet 變換對三維肺部計算機斷層掃描數據進行多尺度多方向分解，利用局部修正拉普拉斯算子選擇處理后的子帶系數增強圖像的邊緣特征；然后，經 surfacelet 逆變換得到增強后的圖像作為 PCNN 的反饋輸入；最后，通過循環迭代完成肺實質的分割。所提算法對公開數據集中的樣本進行了測試。結果表明，本文算法的分割性能優于 surfacelet 變換邊緣提取算法、三維區域生長算法和三維 U 形網絡（U-NET）算法，能夠有效抑制肺部病變及支氣管的干擾，得到更完整的肺實質圖像。