作为一种新型的成像技术,磁共振成像(MRI)己成为影像诊断学方面不可缺少的临床检查手段。由于MRI具有无电离辐射、无骨性伪影、能够多方向和多参数成像及高度的软组织分辨力等独特的优点,所以对脑部病变的检查效果最佳。目前,临床上对磁共振脑图像的三维建模、脑容量测量和图像可视化的需求越来越多,而这些都要求有准确的医学图像分割结果。分割结果的可视化和量化分析还有助于对脑部进行功能研究。然而,MR图像上,脑组织与非脑织边缘较弱,脑组织之间边界模糊,个体差异性较大,以及成像过程中磁场的不均匀性、部分容积效应以及噪声的影响造成磁共振图像内在的不确定性,导致磁共振脑图像的分割问题非常地复杂和困难。因此,磁共振脑图像分割成为当前医学图像研究领域的一个热点。脑部MRl分割根据不同的目的有以下几种:脑组织提取、脑组织分类及脑部特定组织(如海马)或病变组织(如肿瘤)的分割。磁共振图像脑组织提取是将脑部组织从非脑组织中分割出来,去除脑外组织。脑组织的准确提取是神经图像处理中一个重要的步骤,也是其他图像处理算法例如配准、脑组织分类或者灰度不均匀性校正等的预处理步骤,只有准确的去除非脑组织才能够实现脑内组织如脑白质、脑灰质和脑脊液的准确分割。　　 本文主要研究了磁共振脑图像分割中的脑组织提取问题。目前MRI脑组织提取方法可分为三类:基于图像灰度的方法、基于形态学的方法和基于活动轮廓模型的方法。基于活动轮廓:漠型的方法能够直接产生闭合的演化曲线或曲面,并对噪声和伪边界有较强的鲁棒性,与前两种方法相比,基于活动轮廓模型的方法更容易实现MRI脑组织的准确和自动分割,但对初始轮廓线的位置较敏感且分割时间较长。本文在传统几何活动轮廓模型的框架下,利用图像的区域统计信息构建了一种新型的符号压力函数(SPF),使用二值水平集函数代替传统水平集函数,提出了一种改进的二值水平集活动轮廓模型,并将该模型应用于MRI脑组织提取,提出了一种简单、准确和自动的MRI脑组织提取方法。最后为了验证本文算法的实用性和有效性,不仅将本文算法的分割结果与专家手动分割结果进行了比较,而且将本文算法与目前流行的两种脑组织提取算法采用多参数定量方法进行了量化比较,实验结果表明本文提出的MRI脑组织提取方法可以自动、准确、快速地提取MRI脑组织。　　 本文的主要工作与贡献总结如下:　　 (1)提出了白适应的水平集初始轮廓曲线在脑区内的自动设定方法。本文提出了一种新的初始化水平集函数的方法,算法可自动搜索二值化头部图像脑区的中心为初始化轮廓曲线的圆心,并根据输入图像的个体差异及层数自动调整半径的大小,即保证了初始化轮廓曲线在脑区内部又使初始轮廓曲线尽可能的靠近待分割的边缘,从而保证了分割结果的准确性并且减少了算法的迭代次数,提高了运算效率。(2)提出了一种新型的二值水平集活动轮廓模型。针对传统几何主动轮廓模型在分割脑组织和非脑组织边缘时的缺陷,引入了一种基于图像区域统计信息的符号压力函数,提出了一种改进的二值水平集活动轮廓模型。该模型在传统几何活动轮廓模型(GACM)的框架下,借鉴基于区域的活动轮廓模型的优点,利用轮廓曲线内外的图像统计信息构建约束项,使用二值水平集函数代替传统水平集函数,完全避免了传统算法中费时的重新初始化步骤,提高了算法的运行效率。　　 (3)基于改进的二值水平集活动轮廓模型,提出了一种简单、准确和自动的MR脑组织提取方法。该方法操作简单方便,对原始MR图像直接分割,无需任何预处理步骤。该方法具有收敛速度快,分割精度高,分割自动化的特点,通过对分割结果的对比试验,证明了该方法的有效性和实用性。　　 (4)采用专家手动分割的“金标准”图像数据对算法的分割效果进行了质量评估,并采用多项性能参数作为定量标准对本文算法及其他两种流行的脑组织提取算法进行定量比较。到目前为止,专家手动分割的结果仍是评价各种医学图像算法的金标准,但是还没有一个统一的定量标准来评价分割算法和分割结果图像的质量,本文对现今流行的两种MR脑组织提取算法进行了深入研究,通过分割结果对比试验,提出采用多参数质量评估定量方法综合评价分割算法的分割效果,该方法也许能为其他算法的质量评估:提供参考。