计算机图像处理在医学领域的应用越来越多,应用较多的是医学细胞图像的自动判读。在白细胞显微图的自动识别系统中,白细胞的检出是最重要和关键的一步。它的准确性和稳定性直接影响到整个系统的运行速度和识别的准确性。文[1]中运用模糊细胞神经网络(FCNN)来分割白细胞显微图像,但在边缘检出上其效果尚不理想,本论文前半部分针对此问题,得出改进的模糊细胞神经网络(IFCNN),并研究了其收敛和稳定性性质。实验结果表明,它能有效地克服已有方法无法克服的边缘检出问题,使得分割图像能更好的接近真实图像。在医学图像处理中,通常的图像分割技术能一定程度的运用在肝CT图像的分割中。在本文中我们主要专注于怎样能运用神经网络技术有效的对肝CT图像进行分割。基于模糊细胞神经网络的分割技术继承了数学形态学的优点,该技术在白细胞检出有成功的运用,但由于肝CT图的特殊性,该技术并不能有效、准确运用在肝CT图的分割中。我们根据肝CT图特点得出一种新型的模糊细胞神经网络,它和FCNN一样具有收敛性和全局稳定性。在用于肝CT序列图像分割上,AFCNN比FCNN有明显的优势:它能更好的保证边缘的完整性,有更好的召回精度。利用AFCNN分割出的肝区域更接近真实的肝区域。