医学影像分割技术是医学影像中的重要技术，医学影像分割的效果直接决定着计算机辅助诊断系统的成败。经过多年的研究，国内外学者已经提出了多种算法，但绝大多数算法都是针对某一具体问题的。本文主要研究基于动态轮廓模型的医学影像分割。1987年Kass M、WitkinA、Terzopoulos D创造性的提出活动轮廓模型的概念。题为“Snakes:Active Contour Models”论文发表以后，Snakes模型很快成为图像分割最活跃最成功的研究领域之一。目前活动轮廓模型用于描述分割目标的动态轮廓，已成功的应用于物体识别、计算机视觉和生物医学图像领域。本文首先对现有的医学图像分割方法进行总结和综述，分析相应的优缺点。从动态轮廓模型入手，介绍了经典的Snakes模型，并讨论了该模型上两种经典改进的Snakes模型（GVF Snakes和Ballon Snakes），总结这两种模型的优缺点。针对传统的Snakes模型，本文讨论了矢量场卷积模型，该模型在捕捉范围、凹陷区域的收敛区域方面、初始轮廓、抗噪性以及算法复杂度方面做了全面的改进。针对Snakes模型初始化时间较长的问题，本文讨论了梯度逆柏松分布的方法，引入自动化初始化方法，作为独立的过程，通过精确的自动初始化轮廓，缩短迭代时间，进而减少Snakes模型收敛时间。在医学图像上的实验进一步验证了本方法的可行性。最后，论文指出了进一步的研究方向。