20世纪后期，医学影像技术的发展为临床医学提供了多种模态医学图像，大致可分为解剖图像和功能图像两大类，这两类图像为医生提供了不同的信息。医学图像通常由ROI（感兴趣区域）和背景区构成，相对于背景区域来说，ROI包括重要的诊断信息，它对于医生诊断，临床治疗和病理分析具有重大的意义。这促使了多模态医学图像ROI的分割成为迫切的需要。针对这种情况，本文对医学图像分割的方法进行了深入的研究，并研究其在肺区多模态医学图像ROI分割中的应用。本论文的主要工作如下：　　 首先，本文应用阈值分割法、轮廓跟踪、区域填充和数学形态学方法，实现了CT图像中肺实质的自动分割。肺实质分割十分必要，因为这样可以大大减少运算量，缩短运算时间。该方法能自动去除气管，支气管。　　 其次，应用典型的几何活动轮廓模型--C-V模型方法在CT图像肺区内进行ROI分割。在CT图像中分割出肺实质后，需要在肺区内分割ROI。C-V模型方法能够适应曲线的拓扑结构，分割多目标区域。　　 然后，采用GVF Snake模型来实现PET图像中病灶的提取。CT图像只能提供肺部图像的解剖细节不能反映功能情况，而PET功能图像能提供肺的功能代谢信息。为了获取病灶的更多信息，对PET图像的研究很有必要。本文还重点介绍了SUV（Standard Up take Values）值的概念和计算公式：对GVF Snake模型原理进行了介绍；详细分析了在SUV值基础上提取病灶的过程。　　 实验的结果表明，本文所提出的方法在医学图像ROI的分割中效果较好。