1、近年來，計算機相關技術特別是圖形圖像學技術越來越多的被運用到醫(yī)學領域，這加速了數(shù)字醫(yī)療時代的到來。醫(yī)學圖像處理和分析作為融合圖形、圖像以及醫(yī)學等方面知識的交叉技術成為支持這一領域發(fā)展的關鍵。圖像分割本身就是圖像處理的關鍵技術和發(fā)展瓶頸。在醫(yī)學領域，圖像分割更是三維重建、手術導航、腫瘤生長模擬、器官追蹤、計算機輔助診斷等關鍵應用中的基礎技術。而醫(yī)學圖像的多模態(tài)、多樣變、多結構、個體差異、成像設備和環(huán)境復雜以及應用領域的高要求使得對其分割的

2、精度和實時性都有很高的要求。
　　本文針對實現(xiàn)快速、精確MRI腦腫瘤分割問題進行探討和研究。MRI成像具有灰度不均勻的特點，高場強圖像尤其明顯。圖像的質量常常受到噪聲、局部體效應和偏移場強的影響，呈現(xiàn)出模糊和噪點。這些原因造成針對腫瘤的分割背景信息復雜，在腦圖像的整體環(huán)境信息下很難實現(xiàn)局部的自動分割。腦圖像本身數(shù)據(jù)量很大，這使得對腫瘤分割的實時性有很高的要求。另外，腦腫瘤自身結構復雜而多變，有一些腫瘤有水腫區(qū)的存在，造成腫瘤自身灰

3、度結構復雜。這些特點使得針對腫瘤的分割模型必須同時處理復雜的背景和前景信息，另外應具有很高的精度和實時性。
　　本文提出一種基于范圍可控的局部灰度擬合(RSF, Region-Scalable fitting)能量模型的改進模型，用于MRI腦腫瘤分割。RSF模型通過核函數(shù)擬合局部圖像灰度信息作為水平集邊緣的外部驅動能量，預置水平集函數(shù)懲罰項作為內部驅動能量，驅動水平集邊緣，實現(xiàn)對灰度不均勻圖像的精準分割。本文在此基礎上對水平集函數(shù)