本文的主要研究背景是与香港中文大学计算机系合作的香港特区政府研究资助局资助项目：“心脏MRI图像分析与可视化”和南京理工大学计算机系计算机视觉实验室项目“腹水脱落癌细胞显微图像分类识别”。 核磁共振成像（Magnetic Resonance Imaging，MRI）是目前诊断人类心血管病（Cardiovascular Diseases，CVD）重要手段。左心室（Left Ventricle，LV）作为人体血液循环的强有力的生物泵，它的动态特征对于临床诊断CVD十分重要，因此，心脏核磁共振图像分析研究主要是对LV的运动和形变分析，目的是通过对空间序列上的一组图像在一个心动周期中的若干个采样的分析来得到整个LV的真实运动和形变，为临床诊断提供科学依据。对心脏MRI图像研究分析的主要工作包括：（1）图像的分割；（2）LV的运动重建；（3）LV的应变分析；（4）数据可视化。其中，图像分割的结果强烈影响其后的运动重建分析和可视化。但心脏MRI图像解剖结构非常复杂，图像中LV区域边界相当模糊，常出现低梯度值的弱边缘和伪影，这使得采用传统的非模型的分割方法很难得到期望的效果。Kass提出的活动轮廓模型即Snake模型是一种新的心脏MRI图像分割交互式工具。但传统的Snake模型是“近视”的，因为它仅仅利用了图像的局部信息，从而导致其对初始轮廓线十分敏感，而且它不能处理轮廓曲线在形变过程中出现拓扑变化，使其在复杂的心脏MRI图像分割中受到限制。 癌是当今世界最常见的致命疾病之一。癌的医治取决于对其的早期诊断。对腹水脱落癌细胞的检测和诊断是医务工作者重要和困难的工作之一。由于癌细胞和非癌细胞，如间皮细胞等出现核异型在形态方面有相似性、或显微图像质量低、或医务工作者所采取的不同标准以及他们的经验差异，对某些癌细胞的检测和诊断可能有误，导致假阳性或假阴性的判断。因此，借助于现代计算机图像处理技术和人工智能技术并结合病理专家实践经验对医学图像进行处理和鉴别，从而实现对癌细胞自动识别意义重大。 基于上述背景，本文在前人工作的基础上作了如下四个方面的创新研究：_<sub>1．针对传统Snake模型存在的分割结果对初始点的位置依赖较大、容易收敛到局部极值、迭代算法收敛时间较长等不足，提出了一种改进的Snake模型。该模型采用新的弹性能量、刚性能量函数和面积能量函数，提出在不同阶段能量项可调整选择的二阶段搜索算法和其它一些辅助算法，包括Snake顶点数自适应增减算法、面积能量系数正负号自动选择算法等。对真实人类心脏MRI图像分割结果表明，改进Snake模型在一定程度上克服传统Snake搜索区域小、对初始轮廓要求高和收敛速度慢等不足，具有实际应用价值。_<sub>2．针对传统Snake模型不能处理拓扑结构变化和数值计算不稳定的不足，提出了一种基于水平集曲线演化理论的心脏MRI图像分割算法和其它一些辅助算法，包括：提出了基于先验知识的K均值集群算法并将其应用于图像目标的粗分割；给出了一种南京理工大学博士学位论文图像动态分析中的若干智能化方法研究新的水平集符号距离函数（Signed DIStanee FunCtion，SDF）生成算法;提出了基于K均值集群分类结果的水平集速度函数和结合图像梯度的速度函数分别用于图像边界粗分割和细化。对真实人类心脏MRI图像分割结果表明:尤均值集群算法能够有效地去除LV区域中的局部梯度极大值区域、区分弱边界，使区域同质化;与快速推进法（Fas t Marching Meth。d，FMM）方法相比，基于新的SDF生成算法和基于K均值集群分类结果构造的水平集速度函数能更快速地检测粗边界并对分割结果进行细化，降低整个图像的分割时间，能够有效地分割低对比度、噪声心脏MRI图像和其它成像模式的医学图像。3.针对目前常用于模式分类的BP神经元网络学习速度慢和泛化能力低的不足，设计了一种用带参数的柔性Sigmoid函数作为网络单元函数的柔性前馈神经网络（FlexibleBP NetWOrk，FBPN），并提出可以分别和同时调整柔性S飞moid函数的参数和连接权的学习算法。该网络能为每一个隐含层和输出层单元产生合适的柔性sigmoid函数形态，使指定的输入、期望的输出和实际的系统一致，从而提高了传统BP网络的性能。4.针对腹水脱落细胞显微图像的多样性、短灰度级范围、杂乱和非随机噪声等复杂特征，提出了采用自适应最小距离算法分割腹水脱落癌细胞显微图像、采用链码技术抽取细胞图像形态特征、用FBPN作为识别器的癌细胞识别算法。对真实的临床腹水脱落细胞病例的显微图像实验结果表明，该算法能得到90%以上的诊断正确率，具有实用价值。