肾脏和前列腺都是人体的重要器官，近年来肾脏疾病和前列腺疾病对人类健康造成了很大威胁。在肾脏疾病诊断中，医生经常使用CT机来对肾脏的病情进行观察，CTA(ComputedTomographic Angiography)图像可以比较清晰的显示肾脏器官，对病情的诊断提供非常重要的指导信息;在前列腺疾病的诊断中，医生广泛采用超声图像来对前列腺疾病进行观察，由于超声图像具有无损性、实时性以及廉价性等特点，在定量分析、实时监控以及疾病的治疗规划等方面具有极大的潜力。在医学诊断中，肾脏和前列腺的边界信息可以为医生诊断病情提供很重要的参考信息。因此将肾脏区域和前列腺区域从医学图像中分割出来具有重要的意义。　　为了更加精确的分割肾脏CTA图像，本文采用基于先验知识的主动形状模型(ASM:Active Shape Model)来对图像进行分割。通过观察肾脏CTA图像，可以看到肾脏外缘部分CT值较高，与其周围的组织有较明显的差别，但是肾脏周围的其他器官CT值与肾脏相似，并且肾脏周围组织中分布着很多散点噪声，容易对分割过程产生干扰。而各向异性扩散模型能够根据图像的细节自适应的进行扩散滤波，可以在去噪的同时很好的保留边界信息，因此本文选择了各向异性扩散模型来对图像进行去噪处理。为了利用ASM算法，本文需要进行下面几个步骤:首先，为了均匀有序的获取训练集，本文采用球谐函数来表示获取的肾脏体积模型，以此得到描述肾脏形状的训练点集;其次，本文通过利用Procrustes算法来对训练集进行对齐配准，并采用主成分分析法(PCA)对配准后的训练集进行分析，以此得到肾脏的统计形状信息;再次，在去噪后的图像中再利用其统计形状通过ASM算法来进行图像分割;最后，本文对分割结果进行评价，采用MAD(Mean absolute distance)方法得到平均分割误差为2.9695mm，采用DSC(Dice similarity coefficient)方法得到平均分割准确率为94.38％，由此可以证明本文分割方法有较高的有效性和准确性。　　由于超声图像有自己固有的缺点，比如分辨率和对比度低、图像中有散点噪声等问题，使得精确分割超声图像充满困难。为了更准确的对2D超声图像进行分割，本文需要对超声图像进行预处理。在图像中纹理信息是很重要信息，可以为超声图像的分析和识别提供大量的信息。而Gabor滤波器可以从不同尺度和方向上来提取图像纹理。因此本文使用Gabor滤波器来提取超声图像的纹理信息，然后利用K-means聚类器对提取的纹理图像进行分类，将图像分为了前列腺区域和非前列腺区域，分类后的图像作为待分割图像。为了利用ASM算法，本文需要进行下面几个步骤:首先，为了获得训练集，本文将医生手工标记的前列腺轮廓点进行插值，进而得到表示其轮廓的训练点集;其次，本文通过利用Procrustes算法来对训练集进行对齐配准，并对配准后的训练集进行主成分分析(PCA)，以此计算得到前列腺统计形状信息;再次，在预处理后的图像中利用其统计形状通过ASM算法进行图像分割;最后，本文对分割结果的进行评价，采用MAD方法得到的平均分割误差在1.5596mm，采用DSC方法得到的平均分割准确率为93.88％，由此可以证明本文方法有较高的有效性和准确性。