近几十年来,医学图像极大地影响了神经科学的许多领域。随着先进的医学成像技术的发展,许多神经科学的研究放在了比较脑内组织解剖结构的差异上,从而寻求与脑疾病有关的解剖结构形态改变的特征,以期提高脑疾病诊断的可靠性和治疗方案的有效性。医学图像分割作为图像分割领域中的一个重要分支,是实现医学图像分析,进而完成医学图像理解的首要、关键性步骤。随着磁共振成像(Magnetic Resonance Imaging,MRI)技术的发展,磁共振(MR)图像可以提供脑内部组织解剖结构的高对比度和高分辨率的三维(3D)医学图像。神经科学研究人员逐渐地对能将脑精确区分为三大主要组织,灰质(GM)、白质(WM)和脑脊液(CSF),进而将脑分割为皮层结构、皮层下结构和病理组织的方法产生浓厚兴趣。这些基于解剖学形态结构改变的研究均依靠对MR图像的分割。而医学图像分割技术就提供了这种从多模式医学图像中分割和提取出各种脑组织结构的自动和半自动的方法。然而,医学图像分割是医学图像分析中最困难和最具有挑战性的问题之一。由于MR成像设备成像能力的限制,临床采集的脑组织的MR图像通常含有噪声、偏场(Bias Field,BF)导致的灰度不均匀(Intensity Non-uniformity,INU)、部分容积效应(Partial Volume Effect,PVE)和运动伪影等不利因素,加之脑组织复杂的形状、边界和拓扑结构,使得快速、准确和鲁棒地分割脑组织MR图像是一件困难的事。此外,二维(2D)图像分割已不能满足临床和研究的需要,脑组织3D图像的分割逐渐成为主流,临床医生和研究人员迫切需要快速、准确和鲁棒的3D分割算法。因为人体组织结构毕竟是三维结构体,而且3D分割充分利用了当今成像设备采集的3D图像数据的信息,其分割结果在空间上更加准确和连续,提供给研究人员更丰富的人体组织的3D形态结构、大小、位置等信息,显示也更加的直观明了。近几十年来,针对图像分割领域的相关算法虽然种类繁多,且仍层出不穷,但依然无法完全满足人们的实际需求。其原因相当复杂,包括:无法完全用数学模型来简单描述人们所面临的实际问题;分割对象结构性质的千差万别;图像退化以及人们对分割结果预期目标互不相同等。这些原因决定了不可能实现一种普适、通用的分割方法。只能针对特定问题和具体的需求给予合理选择,在精度、速度、和鲁棒性等关键性指标上做出均衡或侧重。针对目前医学图像分割领域的发展现状,本文从脑内组织MR图像三维分割的角度出发,分析并回顾当前主要的医学图像分割方法,特别是三维医学图像分割算法。针对这些算法中的不足,提出了一些新的模型和3D分割算法;并利用这些新算法和已有的算法,在三个分割层次上,来实现在临床和神经科学研究中对脑组织的分割。随着研究人员对脑和脑疾病的研究不断深入,脑组织的分割已经被分为三个层次。第一个层次是将脑组织分割为三大脑组织,灰质、白质和脑脊液;第二个层次是将脑组织进一步分割为皮层结构和皮层下结构;第三个层次是病理组织的分割和提取。这三个层次不是互相独立的,而是有机的联系在一起。如第一层次的分割结果有助于其它两个层次的分割。本文包括以下的研究工作和创新:第一、由于脑部MR图像存在图像偏场和噪声,本文提出了一种基于象素灰度值的改进FCM自适应快速自动分割算法,来完成对含有偏场和噪声的脑部MR图像进行快速3D分割。在该算法中,给出了一种新的分割目标函数,采用参数模型来近似偏场和类似马尔可夫随机场先验的模糊隶属度矢量邻域约束来模拟脑组织分布的空间一致性。该算法不需要对MR数据取对数或滤波等预处理,在目标函数递归优化的过程中,利用偏场参数模型和邻域约束来同时完成象素的分割和图像偏场的估计。由于算法利用分割结果估计偏场,使得偏场的估计更加合理和准确。同时参数模型减少了需要估计参数的数目,提高了算法分割结果的准确度和分割的速度。模拟和临床脑部MR图像的分割实验结果表明,我们的算法对初始值不敏感,对噪声有较强的抑制,有效地克服了偏场的影响,分割结果准确度高,速度快。我们的算法在三维MR图像的自动分割实验中取得了满意的分割速度和准确度。第二、在本文中,我们提出了一种基于多约束和动态先验的自动三维分割算法,称之为MCDPMRF-EM算法。该算法将来自MR图像的一种大尺度约束引入MRF模型中,在贝叶斯框架和最大后验准则下,利用改进的EM算法,实现MR脑图像的分割。MCDPMRF-EM算法具有分割准确、鲁棒和分割结果与解剖学一致性高的优点。我们的算法有以下创新点:(1)提出多约束模型和构造方法,并利用构造的多约束来提升分割算法的性能。算法对分类数不敏感,在不同分割数目设置下,算法的分割结果具有解剖学先验知识一致性。(2)提出动态先验的概念来模拟人眼分割图像的自适应特点,使得先验的作用根据具体的待分割图像自适应调整,有效地克服了图像偏场。(3)利用参数模型来模拟由于图像偏场存在而导致的同种组织灰度的变化,避免对图像灰度值的对数变换和由此导致的灰度值统计概率不再符合高斯统计模型假设的缺陷。(4)提出一个新的EM改进优化算法。在高斯马儿可夫随机场模型和偏场模型的假设下,该算法可以快速、准确和鲁棒地求解分割目标函数的最优解。第三、中脑黑质的病变及多巴胺能神经元功能的破坏是帕金森病(PD)的主要原因。通过对黑质精确的三维分割,来获得其位置、体积和3D形状,再对PD病人和正常人、PD病人早期和晚期以及PD病人治疗前后的黑质形态学上的比较,测量黑质形状和体积的统计变化,有利于提高对早期PD的诊断和评价治疗效果。本文提出了一种基于动态曲面模型和解剖先验知识为约束的自动3D分割方法,该方法能够精确地提取黑质的3D形状结构。而且,就我们所知,黑质的3D分割还未见报道过。第四、MRI图像肿瘤的自动分割具有相当大的难度,因为肿瘤及其周围组织的表现和外观比较复杂。在临床上,医生和分割算法间的一些交互信息会极大地提高分割算法的分割结果的准确性和针对性。基于此,我们提出了一种基于图论最大流/最小切准则的交互式半自动3D肿瘤分割算法。该算法通过简单的交互,就能够快速、准确地分割出脑肿瘤。第五、人类大脑的脑室系统是由四个相互连通的脑室构成,脑室内脑脊液体积容量的变化和脑室形态的改变与多种神经性疾病有关联,脑室系统体积形态变化的量化研究对诊断各种脑部疾病,评价治疗效果和对疾病发作和结果的预测都有重要作用。本文提出了一种准确,快速,稳健的自动三维人脑脑室系统的混合分割方法,能够自动地从脑部3D MR图像中提取出整个脑室系统。该方法由以下两个算法串联构成:(1)基于多约束和动态先验马儿可夫随机场模型(MRF)和最大期望(EM)优化的三维自动分割算法(MCDPMRF-EM算法),MCDPMRF-EM算法将3D图像分割成5种组织类型,同时估计图像偏场。由于MCDPMRF-EM算法采用多约束和动态先验MRF模型,同时用参数模型表达MR图像偏场,本文方法具有偏场校正、抑制噪声的能力,并且算法对不同分类数目,其分割结果一致性高。(2)基于高斯马尔可夫随机场模型(GMRF)分割目标函数和s/t最大流—最小切图论优化的快速3D分割算法。前一个算法用来将脑组织分为白质(WM)、白质/灰质(WM/GM)、灰质(GM)、灰质/脑脊液(GM/CSF)和脑脊液(CSF)五种组织类型;后一个算法利用前一个算法的结果来进一步分割出整个脑室系统;两个算法之间通过形态学方法来联系。两个串联算法均在MR图像的三维空间中进行分割,利用三维空间的参数偏场模型和三维空间约束信息。该混合方法利用像素的部分容积效应和图论网络流中最大流—最小切优化分割算法的解偏小的特点,来实现各脑室不同部分的种子像素点提取和带硬约束的最大流—最小切优化方法的脑室自动分割。本混合方法不需要对MR图像进行去噪,偏场校正等预处理,就能获得与解剖学知识一致的优质分割结果。