在心血管超声诊断工作中，心脏的形态特征，如壁厚，横径，运动幅度和方向、面积、解剖结构异常等都是重要的检测信息。医生大多通过这些信息来诊断心血管疾病，或作为心血管的解剖结构与功能评价的依据。图像分割作为一系列计算机辅助诊断和分析系统的基础性环节，可为后续的图像分析和计算机辅助诊断工作提供信息。在超声成像过程中，由于人体器官和组织结构复杂，所表现出的声阻抗差异以及超声光束的反射、折射和散射，再加上声波信号的干扰，造成超声医学图像成像质量较差，从而严重降低了分割算法的鲁棒性。本文针对参数蛇模型在噪声环境下所共有的对初始化位置敏感的问题，对GVF snake模型的外力场进行研究和改进，通过分析GVF外力场的能量特性，得出GVF snake轮廓停留在错误区域的原因和噪声干扰的机理。基于上述讨论，提出平均曲率流和各向异性扩散相结合的MCVF梯度矢量流场，通过切向扩散、自适应扩散参数和分段控制函数共同作用，减小了局部极值的影响，使GVF snake对初始化位置的敏感度降低，在超声散斑噪声环境下具有更加广的作用范围，增强了GVF模型的鲁棒性。针对传统的GVF snake形变方法——有限差分法所存在的局限。本文基于已有的GVF外力场，从内力构造和能量搜索两方面展开讨论，生成了与外力矢量形式相匹配的矢量内力形式。提出了全局能量搜索形变算法，并通过三种目标内外能量最大值点判断准则，在目标间识别能量最大值点作为分裂点，对GVF snake的拓扑可变性可行性作了讨论。本文使用了Matlab和VC两种工具实现了改进的GVF snake模型的分割算法。对临床超声图像的分割实验表明，本文改进的GVF snake模型对噪声敏感度低，基于全局的能量搜索和较大的初始化范围，是适用于超声医学图像分割的有效方法。