对脑组织进行精确的定量分割是进行脑发育评估和脑外科手术规划的前提,许多神经疾病发源于婴幼儿脑发育时期,因此实现对婴幼儿脑发育的评估尤为重要。脑磁共振成像（MRI）可以对婴幼儿不同脑组织的厚度、体积、含水量等物理量进行定量分析,然而由于婴幼儿拍摄脑MR影像时难以保持静止和婴幼儿脑发育不成熟,给婴幼儿脑MR影像带来了运动伪影、图像质量差、组织对比度低、边界模糊等固有问题。尤其在等强度期,婴儿脑影像的灰质白质信号强度十分接近,导致灰质白质在这个阶段对比度很低,这使得等强度期的婴儿脑影像分割成为了当前医学影像分割领域的热门难题。本文对等强度期婴儿脑影像分割存在挑战的原因进行了分析,针对分析的原因对现有语义分割算法做出改进,并将我们的方法嵌入脑影像分割平台,本文的主要工作内容有:（1）本文基于多模态多流输入特征和密集连接的思想提出了一种新颖的脑影像分割网络Dense U-Net,为了提取多模态的复合信息,该网络包括三条输入流,分别为T1模态输入流、T2模态输入流和T1模态与T2模态前向融合的输入流,三条输入流在下采样阶段通过我们设计的密集连接结构提高特征复用与特征互补。（2）本文从神经科学的角度分析了等强度期婴儿脑影像对比度低的原因,脑发育的髓鞘化阶段增加了施万细胞构成包裹神经纤维的髓鞘,其主要成分为类脂质,使得白质和灰质的物质构成趋近相似;基于神经科学分析和分割网络的实验结果,我们对Dense U-Net做出了改进,为了改善对脑组织区域结构走向和精细结构特征的提取,本文网络在卷积操作中,通过使用融合多膨胀率的三维膨胀卷积核组合来代替普通三维卷积核,在使用更少参数的情况下兼顾大感受野中多尺度的短程和长程特征信息。我们在MICCAI举办的等强度期婴儿脑影像分割竞赛iSeg2017的数据集上训练和验证了我们的模型,并将结果和目前已有的方法比较,取得了优良的表现,尤其在白质分割上,我们的方法取得了最高的Dice系数。（3）本文开发了一个在线脑影像分割平台,将提出的脑影像语义分割方法应用到该平台,一方面可以让用户方便地在web端分割脑影像并可视化分割结果,一方面为未来开发基于交互的脑影像分割方法做技术预研。