医学图像分割技术是医学图像处理和分析领域的基础技术之一,是近年来备受研究人员关注的热点问题。医学图像分割的目的是把图像中具有特殊含义的不同区域分割出来,并使分割结果尽可能的接近解剖结构,从而为临床诊断和病理学研究提供可靠的依据。因此对医学图像分割技术的研究具有重要的学术意义和应用价值。本文在回顾国内外医学图像分割技术相关文献的基础上,根据医学图像自身的特点和应用需求,分析了基于活动轮廓模型(active contour model)的医学图像分割方法,结合形状统计,提出了一种形状统计活动轮廓模型的分割方法,较好的解决了对受噪声干扰、对象残缺等图片的分割问题。论文的主要工作包括:(1)分析了活动轮廓模型的两种典型分割方法:参数活动轮廓模型和测地活动轮廓模型,并通过实验对其分割性能行了定性分析。(2)在测地活动轮廓模型的框架下,本文提出一种形状统计的活动轮廓模型,并将其应用于残缺肺区的分割。该方法在测地活动轮廓模型中加入了形状统计的先验知识能量项,以此指导、约束活动轮廓模型轮廓的演化过程。实验表明,该方法对受噪声影响、对象残缺等图片的具有良好的分割效果,但计算量大,初始轮廓对分割结果存在影响。(3)针对从胸部CT图片中分割肺区的具体应用,本文提出了一种常规区域生长分割和轮廓修补相结合的肺区半自动分割方法。对于肺区正常无病变缺损的CT图片采用区域生长进行分割,并利用CT图像序列间的连续性特点自动选择种子区域;对于边缘残缺的肺区,首先采用滚球法进行修补;如果滚球法修补结果仍有缺损,则说明缺损较大,采用本文提出的基于形状统计的活动轮廓分割方法进行修补。(4)根据本文提出的方法,实现了肺区半自动分割系统。论文对上述方法进行了实验验证,实验结果表明:本文所提出的方法是有效的,在一定程度上解决了肺结节计算机辅助诊断中肺区分割的问题。