医学图像分割是医学图像处理到分析过程的关键步骤,在临床医学中发挥着越来越重要的作用。其中,骨分割是医学图像分割在临床医学的主要应用,可用于体积测量、骨骼损伤治疗和修复计划的制定、三维重建等。准确的分割结果可为医学研究和临床诊断提供可靠的数据,以提高医生诊断的准确性。本文首先分析了医学图像分割技术的发展现状,主要讨论三大类常用的分割算法,包括:基于变形模型的分割方法、基于区域的分割方法和基于统计学的分割方法以及它们的优缺点。体数据分割是基于医学图像分割技术的新方法,其基本思想是:将序列图像构成的体数据看作一个整体进行处理,提高分割的效率和准确率,该方法对三维体视化有着关键作用。针对CT图像骨骼灰度值变化范围大、存在噪声和弱边缘效应等特点给骨分割带来了很大的困难,本文重点对骨分割算法作进一步的研究。通过算法比较,本文选择分水岭算法对脑部CT图像进行骨分割。从模拟“浸没”过程和集水盆合并两方面进行算法改进以克服过分割现象,从而提高图像的分割质量。对血管造影断层构成的三维体数据,本文提出了一种基于直方图熵的体数据分类方法,通过设置阻光度传递函数的分段点完成去骨目的。