脑肿瘤疾病直接威胁患者的生命,而脑肿瘤分割是治疗脑肿瘤的关键步骤。核磁共振图像(Magnetic Resonance Imaging,MRI)由于其对软组织具有较高的分辨率,被认为是脑部疾病的首选医学影像工具。针对脑肿瘤MRI中由于噪声、低对比度、脑肿瘤边界模糊等原因造成脑肿瘤分割不足的问题,本文提出一种改进的连续型最大流算法的脑肿瘤MRI三维分割方法。本文提出的脑肿瘤MRI三维算法包括三个步骤。首先是预处理阶段,针对Flair、T1C和T2三种模态MRI图像经过中值滤波和快速模糊C均值聚类算法的处理;按照大量实验统计确定的融合比例Flair:T1C:T2=5:1:4,对处理后的各模态图像进行线性融合得到三维融合图像;其次是粗分割阶段,采用快速模糊C均值算法对三维融合图像进行聚类得到三维欠分割图像;最后是精细分割阶段,使用本文提出的改进的连续型最大流算法对三维欠分割图像进行精准分割,即通过分析三维欠分割图像的结构特征和统计特征,提取参数实现改进的连续型最大流算法,去除散点后得到最终分割结果。实验所采用的数据库是在线图库BRATS2015(Brain Tumor Image Segmentation Benchmark 2015,BRATS2015),该图库包含MRI四种已配准模态图像:Flair、T1、T1c和T2。本实验随机选取45组高级别胶质瘤(Higher Grade Glioma,HGG)和5组低级别胶质瘤(Lower Grade Glioma,LGG)共50组三维脑肿瘤图像进行实验。实验表明,相对金标准的相似系数(Dice)为0.90,正确率(Precision)为0.94,召回率(Recall)为0.86,分割时间为0.3分钟。证明本文提出的改进的连续型最大流算法的脑肿瘤MRI三维分割方法能够全自动、实时、准确性高的分割出三维脑肿瘤区域,可以满足医学临床需要。