随着医学成像技术的提高及相关计算平台计算能力的增强，计算机辅助诊断系统的发展条件日趋成熟。图像分割是计算机辅助诊断系统必不可少的步骤。另外，各种层析成像技术已经成为医学领域成熟的医疗诊断技术。开展针对医学层析图像的自动分割技术，建立专用的分割方法，对于医学层析成像技术的提高及其辅助诊断系统的研究具有重要意义。通过分析和研究医学层析图像的特点，我们发现其中相邻层间的连续性特征对于提高分割算法的准确度与鲁棒性具有重要价值，而目前该特征尚未得到开发和利用。　　 本文提出了基于连续性特征进行医学层析图像分割的思想，并设计了图像分割框架，该框架由初分割、初始参考图像选择以及修正三个功能相对独立的部分组成。本文认为连续性特征未被应用的原因在于：缺乏有效的初始参考图像自动选择算法和基于连续性的修正算法。为了解决这两个问题，首先，我们提出了将三维统计形状模型的截面作为比对标准的方法来实现初始参考图像的自动选择。其次，开发了两种修正算法：①利用连续性对局部不连续的区域进行定位，再利用局域信息进行修正；②利用专门设计的形状项将连续性限制转化为形状限制加入可变形模型中进行修正。本文以肾脏CT图像为例验证了这种图像分割框架的有效性，并分别从初始参考图像选择的有效性、修正算法的有效性及错误累加效应等方面对分割算法进行了评价。结果表明，相比于现有的方法，本文提出的方法在分割准确度和处理由于病变引起的组织大的形变的图像上具有更好的效果，并具有很好的泛化能力。