医学图像的分割和特征提取是医学图像处理中的关键技术,它们是医学图像识别的前提并为计算机辅助诊断提供了重要的信息。特征提取是标识图像的关键一步,如何准确、充分的提取图像信息,并以适当的方式表示出来,将直接影响分类的精度和效率。形状信息不会随物体的颜色发生变化,是物体稳定的特征。因此,形状特征既是图像的核心特征,又是进行图像识别的关键信息之一。本文根据脑CT的特点,对脑CT图像分割和形状特征提取进行了研究。首先,本文在深入分析脑CT图像的基础上,根据CT图像不同层面的具体结构,采取了不同的分割方法：改进的自适应阈值算法和改进的区域增长算法。从实验结果来看,取得了比较理想的效果,为后续的特征提取打下了良好的基础。其次,结合脑CT图像病症特点,为了获取最佳特征组合,根据图转树的思想,实现了一种综合考虑相邻部位个数提取形状特征的方法。通过对临床病例数据的检验分析,表明该方法能获得较高的诊断正确率。