本文提出了一种改进的结合广义模糊梯度矢量流(GFGVF)和光流场的医学序列图像分割算法。该改进算法首先采用多尺度的分水岭算法和形态学滤波法来分割图像中的肝脏，再用Sobel算子提取边缘作为第一帧的初始轮廓。对于医学图像中存在的大量噪声，采用中值滤波的方法进行图像预处理以增强边缘。借助于主动轮廓模型(也称为snake模型)实现，对于snake模型无法收敛到轮廓的深度凹陷部分和长管形边界的情况，采用广义模糊梯度矢量流(GFGVF)来代替snake模型中的图像力，在内部能量中增加了与snake包围面积有关的能量。由于序列图像是逐渐变化的，所以采用光流场(OpticalFlow)算法来预测下一帧snake模型的初始位置。采用动态调整蛇点的算法，使蛇点数目能够自适应地变化。为了避免某一项对总能量的影响较大，将各项归一化，平衡各项之间的影响。医学CT序列图像分割的实验表明，本文提出的序列图像分割算法能够获得比较好的分割效果。