医学影像己成为现代医学诊断中不可或缺的技术手段，而医学图像分割是理解医学图像的基础，也是制约医学图像处理中其他相关技术发展与应用的瓶颈，它在生物医学研究、临床诊断、病理分析等方面具有重要意义。 磁共振成像(MRI)以其非介入性、非损伤性等特点广泛应用于临床医学诊断。其图像能够提供高分辨率数据，具有软组织对比度高、信噪比高的优点，特别适合用于脑部等组织的诊断。本文是针对磁共振脑部图像中侧脑室所作的分割，采用了基于活动轮廓模型的方法。比起传统的图像分割方法来，活动轮廓模型更加适用于医学图像，它以自上而下的思想，灵活地综合使用各种约束机制，对于医学图像中强噪声、弱边界的问题有很好的效果。 活动轮廓模型发展到今天已有30年的历史，其间出现了许多改进算法和基于此模型的延伸算法，已经广泛应用到了医学图像的处理中，各种改进算法或延伸模型针对不同的问题提出了不同的解决方案。本文在对侧脑室进行分割时，传统活动轮廓模型对于其尖锐角点处的处理并不令人满意。为了提高分割质量的同时具有易操作性，本文引入了遗传算法。遗传算法是一种搜索算法，以群体为基础，而不是以单点为基础，因此不易陷入局部最优解。它通过适应度函数来区别群体中的个体优劣性而不必对其进行过多的附加操作。因此，本文针对侧脑室的分割结合传统的活动轮廓模型提出了一种二次优化算法，并建立了分割系统。此系统中，首先用传统活动轮廓模型对手动初始设置的轮廓曲线进行一次优化，得到的结果能很好地勾勒出目标轮廓中较平滑的部分，但尖锐角点处的收敛效果并不理想；然后采用具有全局优化能力的遗传算法进行二次优化，得到了令人满意的结果，其适应度函数的建立基于上一步中定义的活动轮廓模型能量函数。 本文提供的二次优化算法为医学图像中具有尖锐角点的目标分割问题提供了一种可行的解决方案。