随着医学影像处理与分析学科的发展,在医学影像的图像分割领域中出现了很多新的方法。但是其中的许多方法都专门应用于特定的处理对象,对于一般对象并无通用的理论或方法,并且若不区分对象而应用该方法,得到的分割结果可能不理想。对脑部海马区MRI图像进行分割是对海马组织进行体积测量、三维重建的关键和基础,而海马结构的体积测量是颞叶癫痫、阿尔茨海默病、精神分裂症等神经系统疾病的临床诊断的有效方法。因此开展面向脑部海马MRI图像分割算法的研究具有重要意义。本文从算法的设计、算法性能的评价与平台的构建等3个方面进行了脑部海马MRI图像分割算法的研究。在算法设计方面,首先在对现有的各种医学图像分割算法进行全面介绍的基础上,简要分析了脑部海马区的生理解剖结构和MRI图像的特点,通过对基于Snake模型的图像分割算法的分析,提出了基于GVF Snake模型的海马MRI图像分割算法,该算法以梯度向量场作为外力,解决了凹形边缘的检测问题,其次针对参数主动轮廓模型速度慢且对初始轮廓仍然敏感的问题,本文提出了基于几何主动轮廓模型的海马MRI图像分割方法,并深入分析了基于传统的水平集分割方法和经典的C-V模型分割算法的优缺点。最后,针对传统几何主动轮廓模型对模糊、灰度不均匀的MRI图像容易造成海马边缘分割不清晰或多分割的问题,提出了基于区域和边缘信息的水平集分割方法,克服了传统方法漏分割的缺点,取得了良好的分割效果,并且提高了分割速度。在算法性能评价方面,本文在总结常用的评价方法的基础上,提出了适合海马分割的综合评价模型,实验结果验证了本文提出的综合评价模型的合理性和可靠性。在平台构建方面,本文详细介绍了基于本文算法的分割平台的设计与实现过程,并通过实验验证了所构建平台的可行性,同时实验结果显示了本文算法对海马分割的准确性和可靠性。