在医学成像技术和计算机视觉领域不断发展的研究背景下,医学图像处理与分析技术在现代医疗系统中的重要作用和地位越来越突出,已成为医生临床诊断、治疗计划拟定以及外科手术导航等的有效技术手段,对计算机辅助检测与诊断系统的开发具有重要的应用价值和意义。作为图像处理与分析技术的分支之一,医学图像分割一直是其中的关键和难点问题。快速有效的分割方法能够更好地为医生提供患者疾病诊断与治疗的可靠性依据,从而提高医疗工作的效率和准确性。考虑到医学图像的成像特点和其临床需求,本文在总结国内外研究成果的基础上,以肾脏CT图像为主要研究对象,对医学图像的分割算法和病变检测方法等一系列相关的科学技术问题进行了深入的探讨和研究,其创新点主要表现在如下几个方面：1.针对医学图像中肾脏组织的特点以及传统C-V模型在灰度不均匀图像分割中存在的缺陷,提出了一种改进C-V模型算法来分割肾脏CT图像。该算法将图像的全局和局部统计信息融合到C-V模型中,为判断图像内像素点的归属提供了更为可靠的依据,从而有效地解决了CT图像的灰度不均匀目标分割的问题。2.根据CT序列图像的肾脏组织特征,提出了一种基于图割方法的自适应窄带活动轮廓模型,能够有效地定位和提取肾脏组织。通过融合上下文连续性和目标尺寸等信息特征,计算出适合能量函数演化的自适应窄带宽度,然后以中间两张切片为基准,将提出的模型依次应用于各层切片图像的肾脏组织分割中。考虑到测地活动轮廓模型的目标边界性和C-V模型的区域性优势,能量函数采用两者的综合形式,并将t-1ink对应的权值转化为n-link,减少了网络图的边界数量。由于算法在最优的演化区域内进行,减少了自适应窄带活动轮廓模型的运算范围,从而保证了计算效率。3.在上述自适应窄带活动轮廓模型的基础上提出了一种全自动的肾脏分割算法,弥补了交互算法在整个完成时间上的不足。将中间一张切片作为参考图像,利用肾脏的皮质特征和C-V模型来自动化完成肾脏序列图像的初始分割。通过相邻切片图像的形状差异与层间距之间的经验关系,模拟合适的窄带宽度值,有利于能量函数的快速演化。4.构建了基于支持向量机的肾脏病变检测框架,详细研究了样本选择、特征提取以及最终建立分类模型进行检测等算法流程。该分类检测方法基于肾脏病变组织的CT表现,采用统计搜索的方法获取待处理的圆形样本区域,并提取样本的灰度和纹理等特征参量,从而帮助医生检测肾脏组织中可能存在的肿瘤区域。