医学成像技术的发展,大大促进了以数字图像处理为基础的计算机辅助诊断领域的发展。医学图像分割是对图像中感兴趣区域进行划分的过程,是计算机辅助诊断系统进一步处理、分析医学图像的基础,包括特征提取、三维重建、疾病检测、定量分析等。近年来,活动轮廓模型凭借其多样的形式、灵活的结构以及优越的性能,在医学图像分割领域受到了越来越广泛的研究和应用。本文对活动轮廓模型在医学图像分割中的应用进行了较为深入的研究,主要的研究内容及其创新点包括：(1)针对传统肺实质分割算法对病变肺部CT图像分割效果不理想的问题,本文提出一种以生理解剖学知识为基础并基于改进的Snake模型的肺实质分割算法,该算法以肋骨边缘为初始轮廓,利用基于Snake模型的轮廓曲线在演化过程中连续不间断以及对凹陷区域不敏感的特点,并在Snake模型能量函数中增加能体现肋骨位置的变量,从而使得肋骨对轮廓曲线产生吸引,实现对病变肺部CT图像的肺实质分割。该算法克服了病变造成的肺部CT图像的离散、断裂、凹陷等情况。(2)针对肺部序列CT图像的肺实质分割问题,本文提出一种交互式的肺实质分割算法,即LW-Snake模型。该模型充分利用序列CT图像相邻层中肺实质轮廓变化平滑的特点,结合且改进了Live-Wire模型、Snake模型以及轮廓插值方法,并辅以操作人员的专业知识。首先在序列CT图像中手动的选取肺实质的关键层,然后通过Live-Wire模型交互式地勾勒其轮廓,再进行轮廓插值得到其他层肺实质的初始轮廓,最后通过Snake模型演化得到所有层的肺实质准确分割结果,并加以手工修正。该算法既解决了手动分割序列医学图像工作量大、耗时长、不可重现的缺点,又解决了自动分割准确率不高的缺点。(3)针对脑部扩散张量图像的脑白质纤维束分割问题,本文提出一种基于Riemannian流形的脑白质纤维束分割算法。首先通过扩散张量图像为每个体素构造一个3×3的对称、正定、协变张量,并由此生成张量场,用以描述脑白质的性质；然后将该张量场看做一个Riemannian流形,并引入Navier-Stoke方程来表达扩散张量场中流体的运动,从而将脑白质中任意两点间的纤维束分割问题转化为计算Riemannian流形中两点间最小距离的问题；最后通过测地线表示该Riemannian流形中两点间距离,并基于Level-Set计算测地线,作为脑白质中两点间的纤维束。与传统脑白质纤维束分割算法相比,该算法在准确性、鲁棒性方面均有明显提高。(4)针对脑脊液、脑白质、脑灰质的分割,本文摒弃了基于常规MR图像分割脑脊液、脑白质、脑灰质的传统思路,提出基于扩散张量图像各个特征参数的图像分量分割方法。首先,计算扩散张量图像的各向异性参数和扩散参数,并得到各个参数下的脑部图像；然后,通过EM (Expectation maximization)模型求得各个各向异性参数图像的脑白质和非脑白质区域,以及各个扩散参数图像的脑脊液和非脑脊液区域；最后,通过改进的STAPLE (Simultaneous Truth and Performance Level Estimation)模型融合各个参数图像分割结果,得到脑组织分割结果。该方法最大的特点是,先分别分割各个分量图像再合成最终分割结果,与传统脑组织分割算法相比,敏感性、特异性均有明显提高。