3D图像分割技术是医学图像处理的关键步骤，它是沟通图像处理和图像分析的桥梁。现有的3D图像分割算法中，交互式分割算法由于其兼顾了效率和准确率而被广泛地应用在实践当中。但是由于3D图像数据复杂，规模庞大，用户需要花较长的时间交互才能得到满意的分割结果。针对上述问题，本文提出一种新的基于主动学习框架的交互式3D图像分割算法，它引入主动学习和可视分析界面，旨在提高用户的交互效率。　　本文首先介绍了此算法的组成，它包括了交互式分割算法，主动学习策略和可视分析工具三个部分。随后本文对这三个部分做了详细的介绍。　　本文使用机器学习分类器作为交互式分割算法，它包含预处理、分类器训练与预测、后处理三个部分。　　本文采用主动学习策略，旨在提高用户的交互效率。本文提出的主动学习策略综合考虑了分割结果的不确定性、数据在特征空间的分布和主动学习已查询到的数据这三个方面的信息，计算所有未标注的数据的重要性。重要性较高的数据被提供给用户做进一步标注。此外本文还提供一系列可视分析工具，它们将数据的特征，机器学习分类器训练的过程和最终的分割结果展示给用户，使用户对数据和分类器有更好的了解，并且将他们的知识应用到分割过程中。　　最后本文通过实验结果，验证分割算法的有效性，比较了主动学习算法指导下的分割效率和用户自发交互的分割效率，并给出利用可视化界面促进分割的例子。