随着多层计算机断层扫描(CT)和快速扫描时代的到来,CT已经成为脑部成像的重要工具,并已经成为检查脑癌,中风,颅内出血,创伤和退化疾病等的主要工具。通过对CT影像的诊断和分析,医生可以准确的判断出病人的实际情况。然而,对脑部CT图像的分析,过程是枯燥乏味的,需要每天处理大量的数据,很容易出现错误。在这种情况下,提出了自动检测和辅助诊断,通过一些自动化方法,分割,特征提取,识别等,得到病变区域,最后医生对这些病变区域再做一个细致的检查,从而更加安全有效的分析病人情况。目前国内外更多的是对MRI脑部图像分割的研究,而对脑部CT图像分割的研究很少。因此,本文在脑部病变辅助诊断系统的图像分割提取方面做了一些探索、研究,提出了一种自动的多区域脑部分割算法。该算法首先将原始的三维图像数据以二维形式表示,以方便后续处理,然后提取颅内区域,消除颅骨对后续分割的影响,接着通过基于模拟退火-粒子群的PCNN分割算法,得到第二次点火和第三次点火的二值图,由于第二次点火得到的中间灰度值最小的区域,我们将第三次点火减去去除第一次点火的区域,得到另一个灰度阶区域,该区域就可能是病变区域,如果继续对后面点火区域进行处理将得到更多分类的区域,该算法可以很好的获得我们所需的区域,由于各类疾病的灰度值变化范围都不同,因此可通过不同批次点火的图像获得不同的病变区域,从而达到自动诊断的目的。