肿瘤的检测分割一直是医疗领域的一大难点,也是当前急需完善的一项技术。肿瘤的检测可以用传统的物理检测,但是对患者的创伤较大,所以本文提出的方法是通过MRI/CT图进行检测。利用机器实现肿瘤的三维检测分割有两种方法,其一是先在CT/MRI图上进行检测划分,再将识别分割好的图像进行三维重构。另一种是直接在三维效果图上检测分割,本文选用第一种方法。本文通过对肿瘤的MRI/CT图像进行配准检测与半自动分割,括出二维图像中肿瘤的轮廓。然后再将提取出的二维图片进行三维重构,使肿瘤呈现接近现实的立体效果。本文中主要解决的问题有以下几点:1、针对患者不同时间和位置的肿瘤扫描图像有偏差,同一肿瘤患处,在短时间内形态会发生变化,使得类似的病理情况在三维重构时,出现重建不准确的情况。本文提出基于同构微分流形的迪蒙斯方式配准,再将图像进行准确融合。2、二维图像分割之前,由于不同的硬件条件,医学成像设备在输入、传输和转换过程中,CT/MRI图片的质量会受到影响,而且大部分的分割方法自主性都比较差。本文通过分析比较,找到基于自主映射的模糊K均值分割算法,通过模糊聚类快速找到相似像素类型,而且加入自主映射概念,结合机器学习,提高自主性和运算效率,有利于下一步的分割处理。通过二维分割的众多方法比较,发现该方法分割相对准确、高效。3、重构部分通过VC++6.0进行三维重建,并且利用MC算法进行模型构建。但构建的网格面数过多,虽然能更完好地展示三维立体效果,但在文件传输、存储过程中占有内存太大,文件或多或少会有损坏,本文提出几何值与数据值函数结合考虑的网格简化方法能够有效减少三维文件所占内存,并且不会过于损坏还原效果。