人脑是人类精神和智力活动的器官,是中枢神经系统的最高级部分,是人类所有活动的中枢,脑的健康关系到人的生活质量。由于打架、车祸、意外事故等引起的颅内血肿在脑部疾病中占了很高的比例。颅内血肿体积是医生做出颅内血肿临床诊断和深入了解病情的重要依据,而CT成像检查是诊断血肿的主要方法,因此实现CT图像颅内血肿区域的自动精确分割,将为颅内血肿三维重建及体积精算奠定基础。本文深入调研血肿医学图像分割发展现状,提出了可拓检测物元聚焦方法与模糊C均值聚类算法相结合的新方法,实现了基于CT医学图像的颅内血肿区的自动分割。通过Matlab实验仿真证明,该方法能够自动精确地实现基于CT医学图像的颅内血肿区域分割,达到临床神经外科医生的要求。本文研究了可拓检测理论,并将可拓检测技术应用于图像分割领域。针对模糊C均值聚类算法的聚类中心易陷入局部最优的问题,本文采用可拓检测理论的物元聚焦方法来解决该问题,给出了相应的解决方案,并通过Matlab仿真证明了该方法的有效性。针对CT颅内血肿医学图像的特性,本文采用两步分割法实现血肿区域分割。第一步分割的目的是去除颅骨,采用的分割方法为阈值分割和区域生长法。第二步分割的目的是分割出血肿区域,采用本文所提出的新方法实现。运用模糊C均值聚类算法进行图像分割时,若仅用单个像素的灰度值作为特征值,会导致在噪声区域出现误分类的现象,为解决这个问题,本文采用八邻域像素值均值作为第二特征值,并通过Matlab仿真实验,证明该方法能够很好地抑制噪声,减少误分类现象。本文的主要创新之处在于：第一,首次提出将可拓检测理论引入了医学图像分割领域,建立了相关的颅内血肿物元模型；第二,首次提出用可拓检测理论的物元聚焦方法,解决模糊C均值聚类算法中聚类中心易陷入局部最优的问题；本文方法成功实现基于CT医学图像颅内血肿区域的分割,并通过大量实验仿真结果说明该方法的分割效果优于传统的模糊C均值聚类算法。