随着医学成像技术迅速发展，使得以此为基础的计算机辅助诊断系统研究成为该领域的热门课题，而医学图像分割是计算机辅助诊断系统中的一个重要组成部分。医学图像分割是医学图像处理中的一个关键技术，是将感兴趣的目标解剖组织从医学图像中提取出来。医学图像由于成像机理与一般自然图像不同，使其具有多样性和复杂性，此时基于图像底层信息的分割方法很难取得理想的分割效果。变分水平集方法，其实质是将一个低维空间上的问题嵌入到高一维的空间上分析，具有处理拓扑结构变化的曲线演化能力，同时能获得稳定的数值计算结果。因此，变分水平集方法能够很好地应用于医学图像分割领域。本文重点研究基于变分水平集方法在医学图像分割处理中的应用。　　本文介绍了变分水平集方法的国内外发展现状，指出基本变分水平集模型的各种优缺点。针对医学影像资料的特性，对其进行相应的预处理操作，同时提出小波多尺度分析与变分水平集方法相结合的分割算法。为了解决灰度不均匀现象对医学图像的干扰问题，提出了一个图像灰度不均匀模型使得图像灰度分布不均匀图像的灰度分布基本是均匀的，然后使用Chan-Vese模型，同时在改进后的Chan-Vese模型中结合小波多尺度分析框架提高模型的局部控制能力，在规则项中增加的能量函数惩罚项，约束水平集函数在曲线演化过程保持为近似的符号距离函数。实验表明该方法能够有效的分割两相医学图像，具有计算更加鲁棒稳定，效率更高和更加准确的优点。　　针对多个物体或多个边界比较复杂图像的分割问题，提出了一种小波多尺度与改进多相Chan-Vese模型相结合的分割方法。该方法是将传统的多相位Chan-Vese模型与小波多尺度技术以及图像灰度不均匀模型相结合。经过实验验证，改进后的方法提高了曲线演化效率，能够更好地分割多目标医学图像。同时将医学图像的分割技术应用于项目开发中，实现医学图像分割处理的可视化。