血管新生和肿瘤有着密切的关系，新生的血管可为肿瘤细胞的生长提供所需的氧气和营养，所以血管新生是肿瘤生长所必需的一个条件。因此，血管新生的活动状态可反映血管新生药物对肿瘤生长的促进或抑制作用。如今研究血管新生的常用载体是CAM(鸡胚绒毛尿囊膜)，可以通过对CAM中特定区域的血管计数来衡量药物对血管新生的促进或者抑制作用。传统人工观测计数方式耗时长、效率低。因此，现在通常利用图像处理技术对由解剖显微镜和相机获得的CAM图像进行分割量化处理，从而得到血管的密度、长度和分叉点数等。而CAM血管的分割是量化的前提和基础。虽然目前对CAM图像分割方法的研究较多，但对CAM分割算法的评价方法的研究却很少。通过分析不同算法对CAM图像分割的难点，其主要体现在CAM图像中的光照不均、局部血管断裂、局部血管破裂和微小血管四个方面上。因此本文提出一种针对CAM血管分割算法的评价方法，该方法通过具有上述四个方面特征的四个图像集组成的一个CAM图像库，利用差异实验法，评价CAM血管分割算法在不同因素影响下的分割效果。最后利用该方法对四种经典的分割算法进行实验，结果显示该评价方法能检测不同算法对不同影响因素的准确度及敏感性。根据对CAM分割算法性能评价方法中影响血管分割效果的不同因素的分析，本文也提出一种分割算法，它首先结合Hessian矩阵和多尺度分析得到一个粗糙的CAM血管分割结果，依据这个初始结果，对未识别的血管点进行跟踪，得到的最终血管分割结果。最后，利用上述评价方法对本文算法和两种CAM血管分割算法进行实验对比，结果显示本文的算法对不同因素影响下的CAM血管的识别都具有较高的准确度和稳定性。最后，对分割出的CAM血管进行骨架提取、裁剪等一系列处理步骤，计算出图像中血管的密度、长度、分叉点个数和单位长度上分叉点个数等量化指标，综合评价血管的生长情况。