在医学图像中，对人体各种组织的正确分类不仅可以为临床组织病变提供计算机辅助诊断依据，而且也是图像三维重建和医学图像可视化的基础。医学图像分割算法的研究是当前医学图像处理和分析的热点，是人们完成解剖结构的定量分析，相关诊断信息提取的关键步骤。由于医学图像特有的复杂性，目前还没有一种普遍适用的分割算法。目前可用于医学图像分割的方法主要有以下几种：阈值分割技术、微分算子边缘检测技术、区域增长技术和聚类分割技术。大多数分割算法都是半自动的，即满意的分割结果离不开人工专家的介入。由于人体结构个体差异性比较大，且混有噪声，构成了图像分割所面临的主要困难。本文主要对基于蠕虫模型的分割方法及其在医学图像中的应用进行了研究。 人工生命的方法有助人们了解生物学规律，并且在机器人、计算机图形学等方面得到了成功应用。将人工生命原理应用于图像分割是对图像分割方法的一种新的尝试。构造了一种具有生命特征的可变形模型一蠕虫模型．蠕虫模型算法作为人工生命算法的一个分支，是由真实蠕虫活动的启发而逐步发展起来的一种模拟蠕虫体智能行为的算法。此模型具有中枢系统、视觉、触觉和运动系统，具有记忆、认知和支配躯体运动等功能。因此，它将智能地综合处理局部和全局信息进行图像分割，而不再仅仅依赖于像素的灰度或梯度，克服了常规图像分割方法的一些缺点。应用该蠕虫模型可以将胼胝体从二维MR矢状位图像中自动地完整地分割出来。对于边界有间断的较复杂的医学图像，本模型的优势更加明显。 论文的主要工作可以简单总结如下： (1)．对蠕虫的生物学行为进行了深入的分析，通过实验验证了蠕虫模型可以应用在图像分割工作中。 (2)．提出了基于人工生命的蠕虫模型。该模型包含神经中枢、视觉、触觉和运动系统，具有记忆、认知和支配躯体运动等功能。模拟数据和真实数据的实验结果验证了该方法的有效性。 (3)．随着医学图像数据的急剧增长，人们迫切需要建立从医学图像中自动分割特定解剖结构的算法。本文提出的基于可变形模型的分割算法，能够实现从医学图像中自动定位解剖结构所在的图像位置并分割出目标结构。实验表明这种算法能取得良好的分割结果。