医学图像分割是医学图像处理与分析的基础，该问题的解决不仅直接影响到计算机图形图像技术在医学中成功应用而且有重要的理论和实际意义。医学图像分割是一个提取感兴趣区域的过程，其分割结果可以为随后的疾病诊断、治疗方案规划以及治疗效果评估等提供参考。CT由于具有较高分辨力，能更清晰的彰显解剖结构和病变组织等特点，使其广泛地应用到许多系统的疾病诊断。因此，研究图像分割方法在CT图像中的应用具有非常重要的意义。本文主要针对髋关节、包含胸膜结节的肺部以及肝脏等CT图像进行研究，其目的是构建准确、自动的分割方法为医生的诊断和治疗提供帮助。正常的髋关节由股骨头和髋臼两部分组成。在髋关节CT图像中，由于股骨头和髋臼之间连接区域非常狭窄以及一些疾病等原因导致骨密度不均匀，使得准确分割髋关节CT图像变得非常困难。针对上述问题，本文提出一种基于迭代自适应阈值分类和贝叶斯判别分析技术相结合的三维髋关节CT图像自动分割方法。该方法首先利用形态学增强技术提高连接区域与骨组织之间的灰度对比度，在随后过程中，针对阈值分割结果使用基于贝叶斯判别方法的迭代自适应分类最终实现股骨头和髋臼之间的分离。由于在上述分割方法中多次使用数学形态学，使得分割出的结果往往被过分光滑而丢失骨边缘的细节；再者，形态学操作依赖于结构元素的选取，选择不同形状或者尺寸的结构元素会对分割结果带来一定的影响。针对上述问题，本文提出一种基于骨曲面顶点法线方向灰度变化的边缘校正算法。通过该校正算法不仅可以实现骨边界体素的准确定位，同时可以得到髋关节的三维可视化结果。实验结果验证了本算法的准确性以及临床适用性。由于肺部充满空气，相比于周围组织具有较低密度，因此阈值方法是一种常用的肺部CT图像分割方法。但对于包含胸膜结节的肺部CT图像来说，由于胸膜结节位置以及大小的多变性且与周围组织具有相似的密度，阈值方法难以准确的将其包含；再者靠近纵膈区域的高密度的肺部血管也被阈值方法排除在外导致肺门区域的凸凹不平，传统方法通常采用形态学方法进行光滑，但是形态学过分依赖结构元素的选取。针对上述问题，本文提出一种准确自动的肺部CT图像分割方法和一种有效的肺部边界校正和光滑算法。该方法利用模糊C均值实现肺部的快速自动分割。对于包含胸膜结节或者肺部血管的切片，本文提出一种基于迭代权重平均和自适应曲率阈值相结合的边界修复和光滑算法。该方法可以自动准确检测胸膜结节和肺部血管区域并将其光滑包含在肺部分割结果中。实验结果验证了本算法的快速性以及有效性。在肝脏CT图像中，由于腹部器官之间的低对比度、器官病变的存在以及个体之间器官形状的差异，使得传统的仅依赖图像灰度信息的分割方法难以取得较好的肝脏分割结果，传统方法往往容易导致肝脏分割结果的泄露。针对上述问题，本文提出一种基于对比增强CT图像的三维肝脏分割方法。分割方法由训练相和测试相两部分组成。在训练相中，利用主成分分析方法形状训练得到肝脏平均形状强度模型以及在各主成分上的形状变动。对测试集中的每一个目标图像，首先通过与所有图谱进行相似度匹配得到该目标图像的最有可能肝脏区域，随后利用最大化后验概率分类概率地图以及在最有可能肝脏区域应用基于窄带技术的形状强度先验水平集演化方法得到肝脏准确分割结果。实验部分验证了本算法的准确性。