医疗成像技术的发展和普及,以及计算机运算能力的大幅提升,极大地促进了医学图像处理技术的发展。本文围绕医学影像处理中的核心问题“医学影像分割”展开论述和研究。分割是基于影像的疾病诊断、器官组织定量分析、结构三维重建的重要步骤。本文针对不同模态、不同器官的医学影像分割中的共性难点问题,研究了分割方法中的随机森林算法及其与形变模型等的混合分割方法。本文还研究了相关特征的设计、提取与筛选,以此进一步提高算法的性能、效率和鲁棒性。本文的主要工作及创新成果如下:(1)针对肾皮质定位和肾结构分割的难点问题,提出了随机森林和主动外观模型的混合分割方法。该方法分为肾皮质定位和肾脏结构分割两大步。在肾皮质定位时,我们提出了一种基于三维主动外观模型和三维哈弗变换的肾皮质定位方法。与传统主动外观模型相比,该方法大幅提高了模型对肾皮质定位搜索的效率。在肾脏结构分割时,使用优化的随机森林算法,利用其在多类分类中的优势,配合多种有效特征,将肾脏快速精确地分割为四部分。基于该方法,可对肾脏每部分结构做出精确的定量分析。(2)在上述方法的基础上,提出了改进的基于随机森林和随机蕨的肾脏混合分割方法。基于随机森林和主动外观模型的快速肾脏结构分割方法虽然精度较高,但是由主动外观模型所限制,效率相对较低。为此,引入了随机蕨,在保证分割精度的前提下,进一步提升算法的效率。该方法中使用了一种可调权重的方式将随机森林与随机蕨相结合,以充分利用两者的优势。此外,还提出了一种描述组织器官之间空间位置关系的有效特征——势能特征,保证了该算法能够精确、高效、稳定地完成肾脏结构分割任务。在真实CT数据上,采用多种指标进行评估,均得到了令人满意的效果。(3)针对黄斑裂孔OCT图像多种病变共存给分割、分层带来的难点问题,提出了一种基于随机森林,同时对黄斑裂孔、囊样水肿两种病变区域和视网膜层结构进行分割的方法。本文基于随机森林,针对视网膜OCT图像的特性,重新设计了势能特征,采用了新的特征组,同时对病变视网膜的组织结构和病变区域进行分割。本方法在同时患有视网膜囊样水肿和黄斑裂孔的患者OCT数据上进行测试,在精度和速度上都取得了良好的效果。