MR脑图像分割作为医学图像分割的一个重要研究方向,对后续的脑部解剖结构的三维可视化、放疗计划、外科手术计划的制定和仿真起着至关重要的作用。由于脑部图像的复杂性,目前还没有一种方法能够实现令人满意的分割效果。几何形变模型是近十几年来兴起的图像分割方法,很大程度上解决了传统脑图像分割技术中存在的问题,已经成为脑图像分割领域中的研究热点。本文基于几何形变模型对MR脑图像组织分割技术进行了探索和研究,根据MR脑图像特点,对两种快速的几何形变模型方法即:窄带法和快速步进法,进行了改进。针对窄带法在脑图像数据量较大或者三维分割时效率低的问题,本文引入区域生长法,提出了改进窄带法。该算法利用窄带法的欠分割结果指导区域生长,从而快速的完成图像分割。在二维分割实验中,改进窄带法比传统窄带法效率提高一倍以上,在三维分割实验中,改进窄带法的效率优势更加明显。针对快速步进法分割准确度不高,图像边界模糊时易泄漏等问题,本文根据T1加权MR脑图像的成像特点,结合区域信息提出了改进的快速步进法。实验结果表明改进快速步进法较好的解决了图像边界模糊时的泄漏问题。利用一种参数优化策略调整各算法参数后,对窄带法、改进窄带法、快速步进法和改进快速步进法进行了图像分割评价。评价结果表明改进窄带法分割结果的平均真阳性率和平均重叠率比传统窄带法分别提高了3.5%和2.1%;在二维情况下,改进快速步进法分割结果的平均真阳性率和平均重叠率都比传统快速步进法提高了11.0%和4.5%,三维情况下分别提高了16.3%和8.4%。本文的改进算法不仅适用于MR脑图像上正常组织(如侧脑室等)的分割,同时也适用于病变组织(如肿瘤等)的分割,对MR图像在临床上的深入应用有着非常重要的理论意义和实际应用价值。