随着正电子发射体层成像、计算机断层扫描、磁共振成像等医学影像诊断技术的发展,医学影像学已经成为临床诊断的重要工具,其可以通过可视化显示和定量评估等方法对疾病进行快速诊断。计算机技术的快速发展直接应用或间接渗透到医学影像学,促进了医学影像学的发展,同时又极大的扩展了其应用范围。大脑作为人体重要解剖结构,多年来一直是医学影像学应用的研究热点。　　 大脑结构的研究对于人脑相关疾病及脑功能研究具有重要意义,随着计算机视觉和数学领域相关知识的引入,研究热点集中到感兴趣区的形状建模及形状量化分析上。尾状核作为人脑中的重要解剖结构,对于大脑活动,特别是认知方面,起着至关重要的作用。本文依据解剖先验知识对MR断层图像中尾状核进行半自动分割,通过对数据集的结果进行定量测量,得到尾状核的绝对体积以及归一化体积,并与相关研究结果进行分析比较。应用移动立方体算法对尾状核断层分割结果进行三维重建,得到了较理想的三维可视化结果,同时给出尾状核的三维空间定位,可以作为日后尾状核研究的参考。　　 除了对感兴趣区进行形状建模,本文采用骨架提取的方法,对感兴趣区的形状描述进行了方法学的研究。骨架是形状描述的有效形式,在目标识别和形态分析等生物医学领域有着重要应用。传统的骨架提取的方法主要有:(1)基于几何模型的中轴变换方法,(2)细化方法,(3)距离变换方法,以及(4)基于路径规划的方法等,每种方法都有各自的优缺点。其中,基于距离变换的骨架算法不能保证骨架的连通性,需要引入鞍点解决连通性问题,同时算法时间复杂度很高。由于将骨架定义应用到离散域图像中,骨架的准确性较难保证。本文给出了一种基于距离变换和动态规划理论结合的骨架提取方法,根据距离变换的约束,给出备选骨架点,应用动态规划理论求解备选骨架点之间的最短路径,得到连通的骨架,并检测了简单物体和复杂物体应用该算法的有效性。由于骨架化算法尚不存在金标准,本文给出一种较为客观的定量评价方法。首先应用细化算法和人工微调得到一套标准测试图像,然后根据相似度测度的定义,将标准测试图像与本文算法得到的结果进行比较,评价骨架化算法准确性,从而给出骨架化算法的定量评价标准。无论简单物体,还是复杂物体,本文方法提取的骨架符合人类的视觉习惯,提取的骨架全部位于物体的中心,并且都能很好的保持物体的拓扑结构及连通性,算法运行过程不需要人工干预,算法结束后不需要后处理过程用于去除多余分支。