在21世纪,器官移植在外科领域的地位将越来越突出,肝移植尤显其重要性。肝移植术前计算机辅助规划是肝移植手术的重要环节,对后续的手术工作起着重要的指导作用。肝脏医学图像的分割、肝脏医学图像的三维重建以及肝脏容积的测量等都是计算机辅助规划的相关技术,而图像的分割对后续的操作起到至关重要的作用,它是制约计算机辅助诊断(CAD)发展的重大难题之一,是本文主要研究的内容。医学图像分割是模式识别领域的经典不适定(ill-posed)问题,至今还没有得到较好的解决。医学图像分割的方法至今有上千多种,但是目前较难找到一种所有医学图像分割的通用方法,大部分理论与方法都是针对某种特定的应用提出来的,都具有明显的局限性。可变形模型法是医学图像分割中最常用的方法,得到了国内外学者的广泛研究,其中以英国学者Cootes等人提出的统计模型法为代表。?本文主要研究了主动外观模型的统计建模方法,首次将该建模方法应用于真实的肝脏CT数据中,建立了一个肝脏的统计外观模型,且对测试数据进行了分割,取得了较好的分割效果;继而本文采用了经典的分割评估指标对模型的分割进行了评估,评估结果显示主动外观模型对测试数据具有较好的鲁棒性;最后针对模型建立过程中平均形体选择不科学和模型分割过程中部分肝脏形体不规则的问题,提出了一种基于肝脏形体特征点的遗传算法和一种预定位的分割辅助技术。实验阶段利用了基于肝脏形体特征点的遗传算法生成了肝脏的平均形体,并利用预定位结合主动外观模型来对某些形体不规则或形体无规律图像进行分割,均起到了理想的仿真效果。