目前,医学影像技术已经成为临床治疗不可缺少的手段之一。然而由于医学图像具有对比度低、个体差异大和多模态等特点,导致医学图像分割仍旧是一个未解决的难题。据统计,心血管疾病是致死率最高的病症,而心脏核磁共振(MR)图像作为一种广泛应用的非入侵式心脏评估方式,其心室分割的准确性直接影响医生对病情的诊断。因此,本文应用三种基于水平集法的模型对左、右心室MR图像的分割进行了探索。除了心血管疾病,癌症也成为至今为止高致死率的疾病之一。对淋巴结CT图像和PET/CT图像的评估在癌症诊断、分期、制定手术计划以及预后等起着至关重要的作用。本文先定义了腹部和盆腔淋巴区域,然后应用AAR模糊模型对腹部和盆腔CT图像淋巴区域进行识别,最后在形状信息的基础上,对已识别的淋巴区域PET/CT图像中的淋巴结分别进行了探测和分割。首先,我们应用保持凸性水平集法,对左心室心内膜MR图像进行分割。本模型可以保持左心室轮廓线为凸形,进而避免0水平集在水平集迭代过程中,遇到例如乳头肌等因素而陷入局部收敛导致轮廓线变为凹形的情况。当轮廓为凸形时,保凸性项系数变为0,这时曲线由图像自身能量决定;当轮廓为凹形时,图像自身能量项系数变为0,而保持凸性项驱使轮廓线变为凸形,从而达到左心室心内膜的分割目的。实验结果可以表明,保持凸性水平集模型在分割MR左心室图像中可以准确地捕获心内膜轮廓曲线。其次,我们提出在DRLSE基础上的延伸——双层DRLSE水平集模型同时分割左、右心室心内膜和心外膜MR图像。用DRLSE模型作为预分割,得到的心内膜轮廓作为双层DRLSE方法的初始化曲线。左、右心室的心内、外膜分别用双层DRLSE模型中的0水平集和k水平集表示。双层DRLSE模型中的能量项可以保证0水平集和k水平集的轮廓线是光滑的,并且在迭代过程中两条轮廓线之间的距离保持平稳变化。通过MICCAI 2009,MICCAI 2012和MICCAI 2013心脏MR图像数据集的测试得出,双层DRLSE水平集模型同时分割左、右心室MR图像是有效可靠的。再次,我们应用DR2LS模型分割左、右心室的心内、外膜MR图像。应用DRLSE模型作为预分割,得到的心内膜轮廓作为DR2LS模型的初始化曲线。心内膜和心外膜用DR2LS水平集模型中的0水平集和k水平集分别表示。DR2LS模型中的数值项可以解决MR图像中的灰度不均匀性,同时其距离约束项也可保证0水平集和k水平集迭代过程中距离变化的平稳性。实验结果表明,应用DRLSE作为预分割,再用DR2LS同时分割左、右心室的心内膜和心外膜可以有效解决MR图像中出现的灰度不均匀性,保持了两条轮廓线间的解剖结构,得到了较好的分割结果。然后,我们对腹部和盆腔淋巴区域进行定义,共计腹部10个淋巴区域和盆腔10个淋巴区域。应用AAR模糊模型对已定义的淋巴区域CT图像建模,在得到最优化层级结构后,对腹部和盆腔淋巴区域CT图像进行识别。为了达到最优识别结果,我们将器官与器官、淋巴区域与淋巴区域相结合。测试结果表明,我们识别淋巴区域的定位误差在2-3个像素内,识别结果令人满意。最后,应用AAR淋巴区域的建模结果识别PET/CT图像的腹部和盆腔淋巴区域。然后对已识别的淋巴区域内的病变淋巴结进行探测和分割。在已识别的淋巴区域里,结合球形滤波信息、CT阈值分割、PET阈值分割对淋巴结进行初步探测,并用球形还原淋巴结轮廓;利用双树复小波矩形状信息对已识别的淋巴结做进一步精确探测,并用DRLSE水平集模型对已探测的淋巴结边缘进行描绘,达到完整分割的目的。计算分割得到的淋巴结的SUV值与ROVER软件得到的SUV值进行比较得出,我们的方法分割病变淋巴结在临床应用中是有效可靠地。通过对左、右心室MR图像分割的实验结果和淋巴结PET/CT图像分割的实验结果分析可以得出,本文提出的基于水平集方法和模糊模型的医学图像分割算法是可行有效地。