脑出血是目前世界上致死率和致残率最高的疾病之一,外科手术是有效的治疗方式,医生在制定手术计划之前需要对脑血肿图像进行分割,通常采用手动分割方法,但是手动分割耗时费力,为此本文对快速行进(Fast Marching,FM)方法进行改进,提出一种三维全自动脑血肿CT图像分割方法,命名为iFM方法,用于辅助医生制定手术计划。iFM方法主要在以下两方面做出改进。第一,iFM方法以阈值分割为基础,设计一种从体数据中自动获取种子点的方法,解决FM方法需要手动设置种子点的问题,将FM方法由半自动分割改进为全自动分割。第二,iFM方法在保证分割精度的同时改进了FM方法的分割效率。iFM方法通过计算三维感兴趣区域包围盒减少计算的数据量,并以此建立三维感兴趣区域金字塔,从塔顶至塔底进行迭代分割,加快算法的分割速度。此外本文对分割结果进行三维可视化,并对血肿体积大小进行估算,从而帮助医生进行诊断。为了验证iFM方法的有效性,本文将iFM的自动获取种子点方法与其他自动选取种子点方法进行比较,同时以专家手工分割结果作为金标准,以四项应用较为广泛的评估指标为依据,将iFM方法的分割结果与近3年较新的两种活动轮廓模型分割方法进行定量的比较。实验结果表明,iFM方法自动获取种子点的准确率更高,此外iFM方法在分割精度和速度上也有着优秀的表现,其不仅在四项评估指标中准确率一项为最高,而且分割速度也是最高的。本文研究特点和创新点在于:(1)提出三维感兴趣区域金字塔的建立方法,并将其与FM方法相结合,实现在金字塔内快速迭代分割的方法,减少演化计算的数据量和演化计算次数,实验结果表明,iFM方法比FM方法在分割效率上有着显著的提高。(2)提出从体数据中自动获取种子点的方法,与其他自动选取种子点方法相比,该方法受噪声影响更小,选取种子点数量更多,进而对FM算法分割效率的提升更大,实验结果表明,该方法比其他自动选取种子点方法的准确率更高。