医学图像分割是计算机技术辅助病理分析和疾病的诊断与治疗的重要基础,是正常组织和病变组织的三维重建研究的重要步骤,是图像分割领域的重点和难点。而脑图像分割是医学图像分割领域中具有代表性的研究领域,具有重要的临床实用价值和学术研究价值。　　 脑图像分割的主要目的是将脑图像(MR图像,CT图像等)中感兴趣的组织分割出来。脑脊液是脑中的液体环境,对脑具有保护和支持的作用。脑脊液状态的异常是导致脑积水等疾病的原因。因此,从脑图像中分割脑脊液具有重要的意义,是本文关注的重点。本文以活动轮廓模型为基础,研究从脑图像中分割提取脑脊液边界的一系列方法。　　 本文的主要创新工作如下:　　 1.针对各种活动轮廓模型的优缺点,设计了一种较适合于脑图像分割的混合活动轮廓模型框架。这种混合模型既基于区域信息又基于边晃信息,并且基于水平集方法实现。能够自动改变拓扑,同时不依赖于起始轮廓的选取,而且能够很好地分割模糊边界。　　 2.在上述混合活动轮廓模型的框架下,建立了一种基于阈值的混合活动轮廓模型,并用于MR脑图像分割中,有效地解决了传统活动轮廓模型对模糊边界的边界泄露问题。　　 3.建立了另一种符合上述框架的基于FCM的混合活动轮廓模型,并应用于MR脑图像分割中,能有效地解决模糊边界的边界泄露问题。