在医学图像处理技术中,一直以来都存在着一个十分关键的问题,那就是如何正确地提取出我们关心的解剖组织对象也就是我们感兴趣的目标区域,这也正是如何对医学图像进行准确的分割。医学图像分割是对医学图像中病灶进行提取、定量分析、体积测量、配准处理、三维重建等操作的基础环节,同时,又是对医学图像进行高层次理解的前提条件。所以,对医学感兴趣目标分割的准确性将直接关系到医生对病理的分析诊断和诊治方案的制定与实施。在医学图像中,可以发现不同组织之间的特征具有极其相似性和复杂性等特点,这使得医学图像分割一直是各种影像分析系统中的瓶颈问题。而颅脑图像尤其具备这个特点,并且由于其重要的应用价值,对颅脑图像中的感兴趣区域分割,已成为医学图像处理技术中的热点研究问题。本文在汲取前人研究成果的基础上,总结并概括了常见的医学图像分割方法和基于感兴趣区域的分割方法,并根据医学图像的自身特点,从实际应用的角度出发,提出了两种在颅脑图像中基于交互的感兴趣区域快速分割方法。本文的主要研究内容和研究成果如下：1、阐述了医学影像技术的发展以及医学图像处理技术在临床诊断当中的应用与重要意义,指出医学图像分割技术在医学图像处理中的重要地位,提出了对颅脑图像中感兴趣区域的分割的必要性,分析和总结了目前常见的医学图像分割方法和基于感兴趣区域的分割方法。2、提出了一种基于等周算法的颅脑图像感兴趣区域快速分割方法。由于基于图论的图像分割是将图像中的像素点看作图的结点,并构成一幅加权图来实现图像分割,因而随着图像的尺寸增大,图像中的像素点也随之增多,问题的求解也将越来越耗时。一般而言,它是一个NP难问题。但对于一幅医学图像来说,往往我们关心的只是感兴趣目标区域,而它仅占据一个较小的部分。我们在利用等周算法的基础上对颅脑图像中感兴趣区域进行分割,有效降低了求解问题规模,提高了分割的时效性,并获得了很好的分割效果。3、提出了一种基于医学三维数据集的感兴趣空间邻域体快速分割方法。由于很多在二维图像上所使用的分割方法,很难直接用到三维数据场的分割。从医学应用的角度,本文针对医学图像数据信息量大及数据高度复杂等特点,结合阈值法与区域生长法这两种方法的优点,并通过对阈值法和区域生长法做出改进,很好地结合从医学三维数据集中获得的感兴趣空间邻域体的二维切片图像及其空间信息,有效地实现对感兴趣空间邻域体的准确分割,算法具有较高的鲁棒性。4、结合实际应用,设计并实现了神经脑外科手术的三维成像辅助应用系统框架。通过直接读取DICOM标准数据来构造医学三维体数据场,并把空间上的感兴趣区域正确分割并可视化,为脑外科医生的术前辅助诊断提供了重要参照和诊断依据。