在医学图像的可视化中，面绘制由于简单易于实现，计算量小和相对快捷的原因而得到较多的研究与实际应用。在医学数据中，等值面在很多时候并不能完全代表物体的表面，为了解决这一问题，更好的构造出感兴趣目标的表面，本文将面绘制中具有代表性的Marching Cubes算法与三维分割算法相结合，实现了人体部分组织的重构。 本文首先对医学三维图像进行滤波处理，以降低噪声对三维分割结果的影响，当采集到的医学切片间距相对切片内像素间距较大时，采用线性插值构造中间切片，增加数据密度，避免成像结果失真。在三维分割的研究中，本文主要采用了区域增长算法，为利用Marching Cubes算法进行面绘制做准备。 通过Marching Cubes算法及其改进算法的原理分析，本文将MarchingCubes算法从逻辑上分为“数据分割”与“表面拟和”两个部分，从而将三维分割算法嵌入Marching Cubes算法中，并将Marching Cubes算法从阈值分割扩展到区域增长分割方式，以适应不同的数据对象和不同的分割目标。 本文利用3Dmed平台的开放插件接口实现了基于三维分割的MarchingCubes算法，并给出了脑部CT数据及下肢及腹腔CT数据的重构结果。实验结果显示，将三维区域增长算法嵌入Marching Cubes算法中，能够较好的实现脑部肿瘤等内部小块区域的重构，将三维阈值分割算法嵌入MarchingCubes算法中，能够较好的实现下肢骨骼等细条状结构的重构。