医学图像分割是虚拟器官研究工作的重要基础。在虚拟器官研究的工作中,医学图像分割属于前端工作,是医学图像处理进入到医学图像分析的关键步骤,影响着后期的形态建模和物理建模工作,其重要性不可忽视。　　 OCT和MRI是临床常用的成像手段,其中眼前节OCT图像是是获取清晰活体眼前节的重要来源,和青光眼诊断有重要的关系；而脑部MR图像则与脑部疾病诊断密切关联。对于眼前节OCT图像,本文先对眼前节OCT图像进行去噪工作,再分割出眼前节各组织,最后提取出眼前房轮廓；对于脑MR图像,本文先分割出T2权重的MR图像中的脑组织,再在分割出来的脑组织中分割出脑室部分脑脊液。最后在分割结果的基础上提取轮廓,进行插值和采样等工作,建立起外表连通和光滑的脑室部分脑脊液表面模型。对以上两种图像进行分割,得到的分割结果是进行三维重建,并进一步进行物理建模和仿真之前的必备工作,对各自的病理进程模拟和临床手术计划指导都具有十分重要的意义。　　 本文的研究工作内容及创新主要包括以下几点:　　 1、针对OCT图像特有的噪声设计了去噪方案,排除了背景散斑和入射光柱的干扰,最大程度从背景中提取出眼前节的信息；　　 2、提出了一套自动化的分割方法,分别分割出了角膜、虹膜和晶状体,并提取出了眼前房轮廓；　　 3、在脑的T2加权MR图像中分割出了脑组织；设计了一套自动化分割脑室部分脑脊液的方法:首先利用初步分割获取区域个数等信息,再利用二次分割实现精准分割。该方法分割效果好,不需任何人工干预；　　 4、设计了一套建立脑室部分脑脊液表面模型的方法:首先进行了轮廓提取,然后进行了插值工作,解决了轮廓分支和对应问题,最后对轮廓进行采样,形成轮廓之间的三角片带,绘制出了脑室部分脑脊液的三维表面模型。模型表面连通且光滑,显示实时性好,适合作为下一步物理建模的基础。