骨关节病是一种症状为关节剧烈疼痛的综合征,总是发生在承受大重量的关节中。通常由非正常的关节承重引起。骨关节病除了引起种种的生活不便之外,它的治疗费用是非常昂贵的,同时非常消耗时间。因此,改进骨关节病的早期诊断方法就显得十分的必要。在骨关节病的早期阶段,关节软骨的细化检测是非常好的支持手段。诊断的第一步是精确的分割软骨表面。在这篇论文中,笔者为软骨的半自动分割提供了一个交互式操作的分割框架。时至今日,还没有一种自动分割方法可以达到非常高的精度,而高精度是可靠的诊断的必要条件。而且,医生通常喜欢控制和修改分割结果,这需要很繁琐的使用自动分割方法。半自动方法允许用户将自身专业知识和分割过程结合起来,对比手工分割方法,半自动方法提高了分割速度和可重复性。笔者在深入研究了关节软骨的解剖学结构的基础之上,回顾了图像分割的各种方法,在这些基本方法中,笔者选择了基于可变形模型的边界寻找方法对关节软骨进行分割,并且引入了分割相似度的度量:Dice系数,借此来评价分割框架的精确度。提出的分割模型基于加权的整体变分能量和最小化的使用高效的数值方法。在用户可编程的图形显示卡上使用英伟达公司提供的CUDA框架实现分割过程,允许实时的用户操作。使用三组真实的人体膝关节核磁共振影像来评估此分割方法,这三组数据分别是:负重数据,弹性数据,Dess3D数据。对比手工分割方法,我们的方法显著的提高了分割速度,并且得到了0.9以上的相似度,证明此分割框架是切实有效的分割方法。