脑萎缩的发病率越来越高,目前脑萎缩疾病的诊断大多采用手工和半自动的方法。随着计算机技术的飞速发展,计算机辅助诊断方法已经成为医学影像、诊断放射、计算机科学中的重要研究内容。研究表明使用计算机辅助诊断的方法对于提高诊断准确率、减少漏诊起到了积极的作用。医生可以根据计算机测量结果进行医学影像的评估和诊断。利用计算机完成脑萎缩相关组织的分割以及容积的计算是辅助诊断脑萎缩的基础。本文分析了脑萎缩疾病相关的诊断方法,包括颅内脑容积的测量、脑白质、灰质以及脑脊液容积测量和特异性脑萎缩相关的海马结构的测量。获取这些脑组织的基础是对脑部图像进行分割。因此,本文就如何提取相关脑组织区域进行了如下的实验分析：(1)研究了提取颅腔内脑组织的方法,分析了几种阈值分割算法对颅腔内脑组织提取算法性能的影响,最后使用直方图阈值分割算法对序列图像进行分割。使用形态学方法获取颅内脑组织区域,通过使用重叠率和计算图像重心的方法来校正分割结果。通过对不同扫描方向上所有图像层进行分割处理,最终实现了整个图像序列的颅腔内脑组织的提取。(2)研究了颅腔内脑组织再分割的方法,本文使用了基于自适应模糊相似度的改进的马尔可夫随机场算法对颅腔内脑组织进行分割。在传统马尔可夫基团势函数中引入了模糊邻域信息,根据贝叶斯定理将图像分割问题转化为最大后验概率(MAP)的求解问题,进而通过迭代条件模型(ICM)求解最小能量函数完成分割。(3)研究了与特异性脑萎缩相关的海马体的分割。使用了改进的快速行进算法对海马体进行分割,将海马区域内部灰度约束信息引入到传统的快速行进算法之中,并根据到达时间阈值完成对图像海马结构的分割。通过实验测试表明,本文提出的颅腔内脑组织提取算法能够快速准确的提取颅腔内脑组织。颅腔内脑组织的再分割算法和海马结构分割算法均具有较高的分割精度,脑白质、脑灰质以及脑脊液的均值正确分割率比传统的马尔可夫算法提高了2.2个百分点。海马结构的正确分割率比传统的快速行进算法提高了近10个百分点。分割精度的提高对后续脑容积的计算以及脑萎缩的判定具有重要的研究价值和意义。