脑肿瘤是一种常见神经系统疾病,对人体有极大的危害,因此用于辅助脑肿瘤研究和诊断的精确肿瘤分割具有重要的意义。尽管针对该类肿瘤的自动图像分割可以减少人工投入和主观因素造成的偏差,但至今仍未达到令人满意的分割准确度,这也使其成为医学图像处理领域中的经典难题。在脑肿瘤分割系统中,提取能够代表肿瘤属性的特征作为分割算法的输入数据对脑肿瘤分割的准确度具有非常重要的意义。然而传统的分割系统中的一个重大缺陷是其所应用的灰度值和纹理等特征和肿瘤之间并没有很强的关联度。经研究发现:颅内侧脑室受肿瘤压迫将产生变形,正确提取与利用其特征可以提高肿瘤分割精度。故本研究以此为全新思路,结合现有相关研究存在的问题,提出了一种基于三维层面的颅内侧脑室受肿瘤压迫产生的变形特征提取方法,以更大程度利用组织间的解剖含义,从而进一步提高分割肿瘤分割准确度。本研究首先对磁共振图像、脑肿瘤及侧脑室等相关背景进行调查研究,设计并实现了一个侧脑室变形特征提取的组件。该组件主要由侧脑室外形提取、三维侧脑室对齐、侧脑室变形量化测评和特征数据转换这几个过程组成。为确保能够得到准确可靠的侧脑室变形数据,组件中加入了经过改进的动态小波模糊C均值聚类算法和三维动态模板侧脑室方法。相应的验证试验证明了这两个方法的有效性。而提取所得的侧脑室变形特征进行的观察可看出,该特征和脑肿瘤具有较大的相关性。本研究通过采用支持多维数据集的模式识别分类算法,将获取到的侧脑室变形特征和多谱段磁共振图像灰度等低级特征合并,并将数据集应用在通用的脑肿瘤分割系统中。经过了多组对比性试验结果的定量统计分析可以发现,经提取所得的侧脑室变形特征能不同程度地提高脑肿瘤分割的准确度。这个结果进一步证明了侧脑室变形和脑肿瘤之间的相关性。和传统脑肿瘤分割系统相比,本系统的最大优势在于侧脑室变形特征代表了颅内正常组织的解剖含义。而本文提出的基于三维的侧脑室变形特征相比从二维层面磁共振图像中提取的侧脑室变形特征具有更高的合理性。本项研究不仅为研究颅内组织器官变形信息的量化及应用提供了理论基础,还将有助于提升组织外形变化分析、图像导航手术、肿瘤变化评估等医学应用以及模式识别、人工智能等计算机科学的研究水平。