在相控HIFU治疗系统中，治疗计划是一个很重要的组成部分，直接影响到手术的效果，而病灶空间位置信息的获取是超声治疗计划的一个关键步骤。高强度聚焦超声靶点小、强度高，而人体内有很多重要器官，为了避免损伤正常组织和提高治疗效率，必须对病灶的三维空间结构有准确的了解，并需要提供治疗目标的精确位置。因此，需要图像定位系统，首先对术前和术中病灶区域进行多模态序列图像采集，进而采用序列图像分割方法，提取目标的有关信息尤其是病灶的边缘，然后利用这些信息精确地控制相控HIFU进行治疗。正是在这样的背景下，本文对HIFU手术定位系统中的关键技术：序列医学图像的分割进行了理论研究和算法设计及实现。 本文首先讨论了序列图像分割中的预处理算法，研究了基于边缘增强扩散的图像滤波方法与算法，确定了最优扩散系数和迭代次数。算法能有效地提高信噪比，改善医学图像质量。 本文在对比了多个边缘检测算法之后选定水平集（Level Set）方法来对预处理后的图像进行边缘检测。针对水平集方法的收敛速度和初始曲线之间的关系，以及HIFU手术定位系统对实时性的要求，本文将同一序列中前幅图像的边缘通过运动估计与运动补偿，作为后续图像水平集方法的初始曲线的思想，结合单指令多数据流（SIMD）技术的使用，大大减少了序列图像边缘检测的运算时间。 最后，以体模标本为实验对象来模拟HIFU手术的病灶，分别采集其CT和B超的序列图像。利用本文改进的边缘增强扩散方法和水平集方法结合对其进行边缘检测，并将SIMD技术结合使用，实验结果表明，本文采用的方法无论在精度还是速度上都取得良好的效果。