当今医学影像技术和计算机应用技术的迅猛发展,使计算机辅助诊断成为可能,计算机断层扫描(Computer tomography,CT)和磁共振成像(Magnetic resonance imaging,MRI)等技术为临床医生对疾病的诊断、手术和术后评估等都起到了有效的辅助作用。疾病的早期诊断能够有效检测处于隐匿期的疾病,尽可能降低患者的治疗代价。在实际的临床应用中,医学影像分割技术可以帮助临床医生提取目标感兴趣区域,还可用于感兴趣区域的三维重建及可视化等,对患者疾病的定量分析和手术治疗都具有重要意义。因此,如何快速、准确的实现医学影像组织分割成为了当前急需解决的难点问题。本文针对目前四类严重危害人类身体健康的疾病(颈动脉粥样硬化、肺癌、脑部多发性硬化及阿尔兹海默症),研究了快速、精确的CT/MRI影像组织分割算法来应对临床诊断的需求,满足临床诊断对手术计划的制定,对疾病的早期预测以及术后恢复治疗等。本文对不同医学影像组织进行了深入的研究,提出了快速,高效的分割方法来应对临床需求,并取得了较好的效果。本文的主要研究内容包括:(1)提出了基于血管灰度先验信息水平集的颈动脉全自动分割算法。颈动脉形状多变,部分血管与软组织发生粘连,血管发生钙化等因素的影响加大了颈动脉分割的难度。本文利用区域增长法实现主动脉的自动提取,根据主动脉的灰度信息建立血管灰度信息模型并作为水平集函数的约束项,通过水平集演化得到完整的颈动脉组织。(2)提出了基于分数阶微分增强的肺血管分割算法。肺血管组织形状多变,部分细小血管与肺部其它组织或病变区域的灰度差异小等难点。针对以上问题,本文首先利用数学形态学及区域增长方法实现肺实质区域提取,然后利用分数阶微分方法对细小血管进行灰度增强,最后通过局部阈值分割得到完整的肺血管组织。实验采用VELLEL12提供的肺部20组数据进行了测试,本文方法与其它方法进行了对比,结果显示本文方法在运行速度,分割精度等指标上都有较大优势。(3)提出了基于能量最小化的MRI脑部多发性硬化分割算法。多发性硬化通常发生在脑灰质区域,且形状多变,大小不一,部分硬化组织与脑白质的灰度值相近,加大了分割难度。针对上述问题,本文首先利用能量最小化方法实现脑组织的自动提取,分离脑损伤区域与脑白质区域,再利用图像均值方差信息实现脑损伤区域的精确分割。(4)提出了基于多图谱配准融合的脑海马体全自动分割算法。在MRI影像中,海马体组织与其周围组织的灰度差异很小,且在不同层图像中形状变化较大,传统的分割方法很难准确地分割出3D海马体组织。针对上述问题,本文首先利用多图谱配准得到不同的标号影像,然后将这些标号影像加入到水平集融合项中,最后通过对融合项,图像信息项以及长度约束项的能量函数最小化实现脑海马体区域的自动提取。实验采用了 MICCIA2012提供的脑部区域的训练集和测试机数据,本文方法也与其它融合方法进行了对比,实验结果显示本文方法的Dice值可以达到0.84左右,分割精度较高,得到的3D海马体表面更光滑。