1、醫(yī)學(xué)圖像分割是對醫(yī)學(xué)圖像進行分析研究的關(guān)鍵步驟之一，高效且精確的醫(yī)學(xué)圖像分割是人體解剖結(jié)構(gòu)重建、治療規(guī)劃、病灶確定與診斷和圖形引導(dǎo)手術(shù)等研究的關(guān)鍵環(huán)節(jié)和重要基礎(chǔ)，在生物醫(yī)學(xué)領(lǐng)域具有重要的研究價值和實際意義。本文重點對灰度分布不均勻醫(yī)學(xué)圖像的高效精確分割方法進行研究。
　　 本文介紹了傳統(tǒng)圖像分割方法，分析了醫(yī)學(xué)圖像的成像原理與圖像特點，并對水平集圖像分割方法進行了深入探討。由X 線成像、MR 成像和血管造影成像技術(shù)所獲取的醫(yī)學(xué)圖

2、像具有各組織內(nèi)部灰度有明顯變化以及不同組織間部分區(qū)域灰度值相同的特點，我們將其稱為灰度分布不均勻性。Chan-Vese 提出的基于Mumford-Shah 模型的水平集分割方法雖然能夠很好的處理對比度低、圖像邊緣模糊的圖像，并有良好的抗噪性能，但是它無法正確分割具有灰度分布不均勻特點的圖像。因此本文提出了基于局部區(qū)域信息的水平集分割算法。首先，本文將局部區(qū)域信息引入C-V 模型中，構(gòu)造了全新的能量函數(shù)；其次，將正畸函數(shù)引入該模型，實現(xiàn)了