在医学领域,计算机X射线断层(Computed Tomography,CT)、磁共振(Magnetic Resonance Imaging,MRI)和超声等医学图像在疾病的诊断和治疗中占据重要地位,准确地对医学图像进行分割是进一步分析病灶区域的前提,因而医学图像分割成为广大研究者关注的热点。各种分割方法在医学图像中被广泛应用,并且有望改变临床实践,帮助临床医生诊断疾病、确定预后、制定治疗计划以及跟踪治疗反应。但由于医学图像往往图像质量差,存在噪声,模糊边界,灰度不均匀等不良因素,给实际地分割带来了巨大的挑战。活动轮廓模型自引入并首次应用于医学图像分割以来,由于其在拓扑结构以及平滑方面优越的表现,被作为一种通用框架而日益流行。本文针对医学图像中存在的以上问题,提出了一种新的基于局部灰度差异的自适应权重活动轮廓模型(Self-adaptive Weighted active contour model based on Local Intensity Difference,SWLD),以提供精确的医学图像分割结果用于临床研究。相较于现有的基于活动轮廓模型的分割算法,本文所提出的SWLD算法在处理噪声、灰度不均匀以及边界模糊上具有更强的鲁棒性。本文算法的创新之处在于以下三个方面:首先,提出了一种基于局部灰度方差差异(Local intensity Variance Difference,LVD)的自适应加权算子,使得模型能量项的权重系数能够自适应地改变,解决了模型对能量项权重参数敏感这一问题,并且克服了以往算法在处理边界模糊图像上的局限性。其次,在能量泛函中添加了局部灰度均值差异(Local intensity Mean Difference,LMD),以加快曲线的收敛速度,提高曲线的演化效率。第三,通过引入具有平滑算子和两种不同邻域大小的局部相似因子(Local Similarity Factor,LSF)来消除医学图像中灰度不均匀性和噪声带来的影响。此外,本文所做工作能够辅助临床研究,具体表现在两个方面:第一,对腮腺导管图像的分割。腮腺导管的形态学特征与临床有关,可作为病理过程的指示,而准确地腮腺导进行分割管是研究其形态学特征的基本前提,因此分割腮腺导管对腮腺疾病的诊断和治疗具有突出的作用。第二,对舌癌肿瘤图像的分割。舌癌是一种常见的口腔癌症,且发生淋巴结转移率较高,准确的舌癌肿瘤分割结果可辅助医生进行病理分析以及制定临床治疗方案。为证明本文算法的可行性和鲁棒性,我们采用Dice分数和豪斯多夫距离(Hausdorff Distance,HD)作为分割精度的评判标准,并将SWLD模型的实验结果与CV模型、LBF模型和RLSF模型等模型进行比较。在腮腺导管分割实验中,SWLD算法的结果是:平均Dice分数91.3%和平均HD值1.746mm;在舌癌肿瘤分割实验中的结果是:平均Dice分数95.3%和平均HD值3.101mm。实验结果表明本文提出的算法在分割腮腺导管和舌癌肿瘤上明显优于现有的活动轮廓模型分割算法,并且即使在复杂边界上仍然能得到准确的分割结果。