医学图像处理技术的飞速发展为医学临床诊断辅助诊疗工具的实现奠定了坚实的理论基础。尤其在神经系统科学中,核磁共振成像在大脑结构识别和医学图像量化分析中起到尤为重要的作用,它可以辅助手术计划制定和术后评估,进行大脑异常检测,脑功能图谱绘制,大脑发展研究,神经解剖分析。因此,脑部核磁共振图像分割成为目前医学图像分析处理的一个重要研究领域。但由于成像设备和外界因素的影响,核磁共振图像固有的偏移场和噪声使得脑部核磁共振图像的分割同时成为了当前医学图像分析的一个经典难题。针对脑部核磁共振图像分割易受到偏移场和噪声干扰的问题,本文首先分析脑部核磁共振图像分割的基本概念和主要组成部分,包括组织分割,偏移场校正和抗噪性能增强,并详细分析了每一部分相关算法的现状、存在的主要问题。针对现存脑部核磁共振图像分割存在的问题,提出了利用能量最小化理论进行脑部核磁共振图像分割的基本框架,完成了正常脑部图像分割和脑白质病变病灶分割两大方向的研究。本文的主要工作和贡献分为以下几个方面:1.立足脑部核磁共振图像的数学模型,利用能量最小化理论对正常脑部图像进行组织分割和偏移场校正。目前已有的脑部MR图像分割方法的组织分割和偏移场校正结果与初始值设定密切相关。基于能量最小化的分割理论可以有效地解决这个问题。本文研究可同时完成组织分割和偏移场校正的方法,且最终结果与算法初始值无关。为克服MR图像中噪声的干扰,利用非邻域滤波理论对上述方法做出改进。在尽可能保留组织细节的同时,去除噪声对分割结果造成的干扰。2.将能量最小化理论与经典医学图像分割算法相结合,克服原始分割方法不能正确分割带有偏移场的脑部MR图像的缺陷。针对一些经典传统的医学图像分割方法,如最近邻法,马尔科夫场分割,最大期望分割,没有考虑偏移场带来的影响,从而导致严重分割错误的问题,将能量最小化理论拓展到这些传统分割方法中,通过能量最小化有效地估计MR图像的偏移场,克服传统算法由偏移场造成的错误分割。3.研究并提出一种有效且具有鲁棒性的脑部MR序列图像四维分割方法。针对已有的脑部MR序列图像四维分割方法的缺陷,提出一种基于能量最小化的四维分割方法。通过规范从四维数据中获得的矢量函数实现脑部MR序列图像的四维分割和偏移场估计,使得最终分割结果具有良好的时间连续性。4.提出一种基于多通道MR图像的脑白质病变三维分割方法。充分利用多通道核磁共振图像的组织灰度信息,在多通道图像能量最小化模型的基础上,将脑白质病变病灶有效地从正常脑部组织中分离出来。为克服噪声对病灶分割的影响和提高病灶分割的准确率,对原始多通道MR图像脑白质病变三维分割方法做出两种改进。一种改进是在多通道图像的能量函数中引入正则项,并将非邻域滤波的理念拓展到脑白质病变病灶的三维分割中,有效地克服了噪声对病灶分割的干扰。另一种改进是将多通道MR图像的脑白质病变三维分割结果作为初步分割结果,定义有效的水平集函数,利用水平集函数收敛得到最准确的病灶边缘。5.提出一种有效的多通道MR图像脑白质病变病灶四维分割方法。在多通道MR图像脑白质病变三维分割的基础上,对能量函数引入时间方向的正则项,利用非邻域信息对正则项进行规范化处理,得到满足时间连续性要求的脑白质病变四维分割结果。最后论文对脑部MR图像分割的研究进行了展望,并提出下一步工作的主要内容。