图像分割技术是计算机视觉检测中的重要组成部分,医学图像分割作为其中的重要分支,近年来受到国内外研究学者的重视。医学图像分割是对正常组织和病变组织的二维观测、三维重建和后续分析的基础,图像分割质量的优劣直接影响后续的工作。医学图像存在着模糊、多模态性、不确定性等特点,对医学图像分割方法提出了很高的要求。随着医学成像技术的发展,涌现出大量的成像方式,为人们提供了更加充分的图像数据信息的同时,对分割方法捕捉图像特征的能力提出了更高的要求。临床上将海马体积是否发生了变异作为癫痫、老年性痴呆、认知障碍、精神分裂等神经系统疾病的诊断标准,而海马二维分割是海马体积测量、三维重建的基础,因此海马二维分割成为三维重建的关键点；但针对海马二维轮廓提取和三维重建结合的方法研究较少,因此,结合海马二维轮廓提取和三维重建的技术研究具有深远理论意义和实际应用价值。论文的主要研究工作如下：(1)由于海马面积小,为减小运算量,本文以人工点击的种子点为中心,剪切能够包含海马图像的正方形区域作为海马轮廓提取的对象。使用区域生长进行海马轮廓初提取时,为避免噪声干扰,本文提出将种子点5*5领域灰度均值作为种子点灰度值进行区域生长。(2)本文将已生长区域灰度均值引入传统区域生长准则中,为区域生长提供了一个较准确的灰度参考,同时提出将已生长区域的标准差作为区域生长的阈值,实现了区域生长的自适应化；针对基于像素点的区域生长结果边界杂乱的现象,本文加入了数学形态学的方法进行边界处理,获得了较好的海马轮廓。(3)本文以区域生长分割边界作为水平集的初始轮廓,为水平集海马分割提供了先验信息；对水平集方法用于提取海马轮廓时边界易停留在背景梯度局部极值处的问题,本文提出基于目标灰度差异的水平集方法,该方法在传统水平集能量泛函中加入灰度能量差异项,使分割精度得到了提高的同时减少了分割时间,提高了分割效率；本文将该方法对海马序列图像进行实验,结果表明该方法具有较好的适应性。(4)最后本文选择体绘制方法对海马二维轮廓进行三维重建,获得较好的重建结果,为医生提供有参考价值的海马体轮廓。