脑肿瘤作为常见的神经系统疾病，已经严重危机患者的身体健康。而核磁共振成像(Megnetic Resonance Imaging,MRI)技术因其高分辨率、无损伤性和多参数多方向成像特点，被广泛应用于脑肿瘤诊断和手术治疗当中。脑部MRI图像中肿瘤的分割方法研究已经成为国内外的研究热点，同时也是临床医学应用的现实需要。肿瘤图像的分割结果只显示了二维层面上病灶区的信息，但肿瘤的三维立体结构仍然只能依靠主观想象。三维重建技术可以立体多维展示肿瘤的特征，方便医生规划手术路径。因此，MRI脑部肿瘤分割及其三维重建的研究对于计算机辅助治疗脑肿瘤有着重要的应用价值。　　本文提出了全自动的脑肿瘤分割方法，该方法首先利用人脑结构信息的对称性，通过区域生长法实现脑肿瘤的粗略分割，然后将粗分割区域作为初始水平集轮廓，利用改进的测地线活动轮廓(geodesic active contours,GAC)模型进一步精确分割。通过实验分析，可以得出该模型具有良好的分割灰度不均匀的弱边缘能力。最后对分割出的脑部肿瘤序列图像进行面绘制三维重建及其可视化，以此为脑肿瘤研究提供更多维度的信息。本文研究的内容与成果如下：　　(1)针对MRI脑部序列图像的特点，本文采用了对称性操作对肿瘤图像进行预处理，通过对称性操作有效的保留了肿瘤区域，并且通过图像增强和形态学处理等流程使肿瘤得到清晰的展示，为后续的粗分割过程提供肿瘤的初始区域位置，对医学序列图像自动化分割起到了定位作用。　　(2)本文提出了改进的GAC模型，在考虑图像边缘信息的基础融合了图像的区域灰度信息，改进了GAC模型中的边缘停止函数，极大的提高了分割的精度。同时将区域生长法的分割结果作为改进GAC模型的初始轮廓，解决了初始定位问题。实验结果表明本文方法具有较好的分割性能。　　(3)为了充分利用MRI医学图像三维体数据信息，更好的辅助外科医生认识脑部肿瘤三维结构。本文通过MC(Marching Cubes,MC)算法对脑部与分割的肿瘤序列图像进行了三维重建过程，显示看肿瘤的立体形状，并通过实验对比验证了其重建的准确性。