本研究从属于“基于网络的虚拟人体”项目，该项目已经开展的工作包括二维医学图象上的变换操作、三维图象的可视化以及虚拟手术等。而本研究的目的，在于解决：1.符合DICOM标准的原始医学图象数据与现有系统的接口。2.医学图象中典型组织的自动分割。3.对分割结果进行定量分析。本研究重点在于第二步分割算法的探讨。 本研究的意义在于：(1)DICOM标准的实现将主要集中于DICOM数据的编码和解码部分，一方面解决了DICOM硬件设备与整套软件的接口问题，使得我们的系统不依赖于具体的成像设备，从而具有临床上广泛的适用性。另一方面，在CPU运行时间和内存占用空间方面进行了特别的优化，这直接提高了系统的运行质量和性能，同时使得硬件成本的降低成为可能。 (2)图象分割一直是医学图象分析过程中的重点和难点。分割算法的准确度不尽如人意的同时，鲁棒性和运行效率也是亟待解决的问题。然而图象分割又是后期图象分析所必不可少的步骤。本课题提出了基于边界模型和基于模式识别的两种不同的分割思路，分别应用于内脏和脑组织两类分割任务。我们对传统方法的改进在于：通过给基于B-snake模型的分割算法引入GVF外部力场和交互式人工干预机制，给基于模糊聚类的方法引入偏差场补偿机制，以及给基于贝叶斯理论识别的方法引入马尔可夫场关联机制，从而提高了算法在各种干扰下的的准确度和鲁棒性。同时，我们给出序列意义上自动分割的实现方式，使得运行效率比基于单幅图象的分割有大幅提高。这就给自动化分割的临床应用提供了可能。 (3)对分割后的组织体积的测量，体现了医学图象特征的定量分析。虽然仅仅针对的是图象特征中的一个指标，但它具有代表性。从中可以进行拓展。 对比已有的类似医学处理系统，本课题研究的独特之处在于： 首先，本研究采用Java语言进行开发，提供了系统在不同操作系统上的可移植性和基于网络运行的可行性。 其次，DICOM数据接口部分具有广泛的适用性，而且充分考虑到医院实际使用的需要，提供了诸如序列化读取、逆向DICOM转换等具有临床使用意义的功能。 第三，对医学图象的自动化分割进行了系统和深入的探讨。对不同的组织器官提出了有针对性的分割方法，并且对于医学图象固有的偏差和噪音进行了补偿。 最后，通过量化的实现，将医学数据进入、数据场分割和数据量化分析形成了彼此密切联系的有机整体。