梁恺彬，管一弘

昆明理工大学 理学院，昆明 650500

1 引言

医学图像分割是临床医疗诊断的重要前提，也是医学图像分析和应用的重要基础环节[1]，而其中人脑图像分割更是医学图像分割的一个重要分支。人脑图像在人脑疾病的诊断中发挥着重要作用。核磁共振图像（Magnetic Resonance Images，MRI）分割技术能帮助医生对脑瘤、脑梗塞、帕金森综合症等脑部疾病患者进行快速而准确的诊断。利用脑影像检查技术定性和定量地分析脑功能对有效诊断脑疾病有重要帮助[2]。MRI成像发明于1970年，是一种流行的医疗成像技术[3]。与其他成像方式相比，MRI成像技术具有更大的潜在优势。MRI不会产生伪影，并且利用MRI技术进行检测时不会对人体产生电离辐射，所以MRI成像技术对人体更加安全[4]。但是MRI成像的原理使得图像表现出一定的模糊性，即部分容积效应（Partial Volume Effects，PVE），使得各个软组织之间边界不明确和不连续[5]，同时在MRI成像的过程中，由于图像的采集，传输，压缩解码，以及热、电噪音，射频线圈和磁场的非均匀性等影响，使得人脑MRI存在加性噪声，这些都会影响人脑MRI的分割，增加了分割困难。

直到目前，人脑MRI的分割方法已经提出了很多，但是依然没有一种分割方法能够对各种目标进行有效的分割，临床上使用的分割方法主要还是以人工分割为主。其中，陈允杰等人[2]为解决传统的活动轮廓模型对强噪音或弱边界的人脑MRI很难得到真实解的缺陷，提出了基于高斯混合模型的活动轮廓模型脑MRI分割，引入高斯混合模型并构造新的约束项，在新的约束项作用下减少噪音的影响，防止弱边界泄漏。……