当前，临床常常需要通过计算机成像技术来辅助和诊断相关的目标器官或组织区域，并且需要精确获取这些器官或组织的体数据，从而进行定量的分析来辅助治疗。为了保证在放疗计划实施时，肿瘤周围各个危及器官的放射线受量在合理范围之类，临床需要准确勾画这些相关的危及器官。当前通常的做法是，由医生或者物理师进行手工勾画，或者通过计算机图像分割算法实施感兴趣区域的自动分割，然后以上述自动分割结果作为初始值，物理师对这些目标感兴趣区域的边界进行人工修整。人工手动分割的优势是能充分利用医生或物理师对相关器官解剖结构的经验和理解，并将这些认识转化为先验知识进行危及器官的有效手工分割，从而使分割结果保持较高的精度和鲁棒性。但是，人工分割方法的缺点是主观性较高，且非常耗时。特别地，随着临床医学成像技术的发展和对更高治疗效果的要求，临床治疗过程中可以获取的影像种类越来越多，并且影像的空间分辨率也越来越大，形成了当前医学图像的大数据，传统的手动分割方法处理这些大量的数据需要耗费大量的时间，同时分割精度会受到医生主观因素的影响。本文结合临床医学图像的特点提出一种自动分割方法，用于克服肝脏分割中存在的问题，如肝脏与其周围的组织器官强度相似导致边界区域模糊，以及肝脏形状多变,实现自动准确的肝脏分割。本文结合CT图像肝脏分布的特点提出一种自动初始化水平集的方法用于肝脏区域提取，自动化初始水平集函数在增强水平集方法稳定性的同时，可以加速水平集方程的收敛，提高分割算法的效率，得到初始肝脏区域。然后在肝脏初始区域内进行纹理分析，基于纹理分析构建相关图谱，相关图谱反映了图像局部区域的相关程度，与基于全局信息的水平集方法相结合，实现肝脏区域的细化分割。现有放疗计划系统中图像数据所具有的自身的一些特征，首先，系统中存在大量的历史病例图像。其次，这些病例由于已经实施过放疗计划，所以系统中已经存在每一个病例的肿瘤靶区和相关危及器官的勾画区域。因此，我们可以通过这些以往病例的分割结果作为先验知识，并且结合当前目标病例的特征来获取最终结果。基于图谱的方法由于可以有效利用数据库中大量的先验信息，分割效果具有较好的鲁棒性。我们在研究基于图谱的自动分割方法时会发现，这一方法的分割精度会受到配准精度的较大影响。而当前基于图谱的分割方法过程中，均需要将参考图像和目标图像进行配准。因此，基于图谱的分割算法的精度和鲁棒性很大程度上取决于配准的精度和鲁棒性。为此，本文中提出一种基于自动检测和匹配特征点的形变配准算法，用于构建图谱。自动获得目标边界区域，从而辅助医生和物理师制定放疗计划。