现代医学中使用计算机处理分析人体CT图像已经成为一个重要的研究方向,并有十分重要的临床实际应用价值。人体CT扫描包含丰富的信息,如复杂的软组织、骨、血管和多个器官。对于计算机辅助诊断,在CT图像中分割感兴趣区域(Region of Interest,ROI)是十分重要的前提条件。由于医学CT图像主动轮廓分割方法中对初始轮廓敏感的问题和手动分割耗时耗力问题,寻求一种可以取代人工分割的自动CT图像方法是当务之急。针对医学CT图像主动轮廓分割方法中对初始轮廓敏感的问题和手动分割耗时耗力问题,本文以人体器官脑部、肝脏、肺部和椎骨等CT图像数据为研究对象,提出一种基于超像素和卷积神经网络的CT图像主动轮廓自动分割方法。该方法首先通过超像素分割对CT图像进行超像素网格化;其次通过改进的卷积神经网络进行超像素分类确定边缘超像素,并提取边缘超像素的种子点来组成初始轮廓;最后在提取的初始轮廓基础上,通过求解本文提出的最小综合能量函数来实现人体器官的精准分割。针对本文算法,通过在公开数据集上进行仿真实验,实现人体CT图像的快速、准确自动分割。在人体器官分割的Jaccard、Dice和CCR指标中,本文算法分割精度较高,获得较为理想的分割结果,为临床CT图像病变诊断提供理论基础和新的解决方案。