脑胶质瘤是一种起源于脑神经胶质细胞的原发性颅内肿瘤,严重影响人类健康和生活质量。提高胶质瘤的分割精确度有助于提高诊断的准确性,降低误诊率,胶质瘤的多样性和复杂性造成胶质瘤的分割具有一定难度,因此提高胶质瘤分割精确度具有重要的研究价值。但胶质瘤分割得到的仍是二维序列切片图像,医生在进行临床诊断时仍需要凭借丰富医学知识和空间想象能力对胶质瘤特征进行重构,容易造成误诊和漏诊,而三维重建技术可以将二维序列图像渲染成三维立体图像,为医生进行临床诊断和制定治疗方案提供更多依据,因此医学图像的三维重建具有重要的应用价值。针对单通道特征提取特征相对较少,造成目标区域分割精度不高的问题,本文使用双通道特征提取的方法提取更加丰富的特征信息,提高分割精度。针对U-net网络中直接对拼接后的特征图进行运算造成的特征融合不够充分、计算量大的情况,本文使用1×1的瓶颈层对解码过程中拼接后的特征向量进行更充分的跨通道融合,同时有效减少参数量。针对网络训练过程中特征向量在数学分布上发生变化造成网络训练速度慢的问题,以及网络可能会出现过拟合现象的问题,本文使用批归一化层对特征向量进行处理,加快网络收敛速度,有效防止过拟合情况的发生。三维重建过程中存在大量无效体素会产生过多无意义插值运算而造成三维重建时间过长,针对于此,本文对采样点是否为无效采样点进行判断,仅对有效采样点进行插值,从而提高重建效率。针对三维重建中不同区域边缘处视觉效果不好的问题,本文首先对每个采样点类别属性进行判断,为不同类别属性的采样点赋不同的颜色属性,提高三维重建图像中目标区域边缘的准确度。最后通过实验验证本文所用图像分割算法及三维重建算法的可行性及有效性。