胰腺是人体最重要器官之一,具有内、外分泌功能,但也极易感染各种疾病。随着数字医疗设备的进步和计算机图像处理与模式识别技术的迅猛发展,计算机辅助诊断(CAD)成为现实。胰腺分割作为胰腺癌CAD的重要前提,其研究与发展意义重大。然而,胰腺的解剖结构较为复杂,其形态、位置因人而异,同时由于噪声、场偏移效应、局部体效应和组织运动的影响等因素对医学图像产生的干扰,使得胰腺分割的难度较大。因此快速、准确、有效的分割胰腺显得十分重要。传统的图像分割方法往往仅从灰度信息考虑,而对形状信息并未充分利用。针对此问题我们提出了基于概率图谱和形态学的胰腺分割方法,即利用概率统计来对空间任意点进行判别是否属于胰腺。概率图谱的建立可以有效地利用位置信息去除无关组织对分割影响,通过形状信息来对分割进行指导；受胰腺内部血管、胰管等因素影响,使得分割产生空洞,对其使用形态学操作进行后处理,从而得到更为准确的分割结果。为了充分应用组织器官解剖位置、形状等先验知识,提出了基于统计模型和水平集结合的胰腺分割方法。将统计形状模型作为最合适形状,与水平集演化产生的结果进行拟合,寻求最佳形状。使得曲线演化受到梯度信息和形状模型双重影响,从而提高分割精度。此外,由于统计模型的约束,可以有效地解决弱边缘及传统算法存在的过分割和欠分割等问题,得到良好的分割结果。为了验证算法有效性,对本文方法进行了实验验证,实验结果表明：基于概率图谱和形态学的分割方法充分利用了形状信息,从而提高图像分割精度；基于统计模型和水平集结合的方法则成功应用解剖先验知识,通过对比实验的研究,分割效果有显著的提高,而且健壮性较好。