海马体是大脑边缘神经系统的重要组成部分,与人类的记忆、认知以及空间定位有着重要的联系。磁共振图像能提供对比度丰富、分辨率高的三维脑组织信息,是研究海马体形态的重要数据。因此,在脑部MRI中研究海马体的体积形态,实现三维海马体的精确分割,对于阿尔兹海默综合症等精神神经类疾病的诊断具有重要的医学意义。基于图谱配准的分割方法利用图谱提供的先验信息,实现海马体的分割。由于海马体体积很小且解剖结构复杂,单图谱难以适应个体间复杂的差异性,易出现误分割。因此,本文重点研究了基于多图谱配准的海马体三维自动分割方法,提出了二次局部配准方法和改进的点分布模型的演化方法。具体研究内容如下:1)重点分析了基于多图谱配准的三维海马体分割方法。针对多图谱配准分割的两个关键问题:图像配准和标签融合,分析了配准和标签融合的常用方法,特别阐述了基于点分布模型的多图谱海马体分割方法。2)提出了一种基于标准模板的多图谱二次局部配准方法。在海马体的三维分割方法中,配准过程一般采用全局线性配准方法,但是由于海马体体积较小,形状不规则,全局配准后不同个体的海马体形状及位置仍有较大差异。本文提出了采用二次局部配准的方法,首先将所有图像与标准模板进行全局仿射变换,然后利用海马掩膜进行二次局部配准,标签形变得到多个初始分割结果,最后利用基于三维点分布模型标签融合的方法对多个海马标签进行融合,该方法提高了海马体的分割精度。3)针对基于三维点分布模型的海马体分割算法,在二次局部配准的基础上,本文进一步提出了一种改进的局部邻域点扩展移动的演化方法。由于逐点移动的演化方法不能满足表面光滑性的要求,易出现拓扑异常变形且演化过程易陷入局部最小值。本文采用局部邻域点扩展移动的方法,有效的改善了形状表面的连续性,同时也提高了演化效率。4)本文选择50个T1加权的磁共振图像作为实验数据,分别采用改进前后的算法进行对比实验,将其与专家手动分割的结果(俗称金标准)进行定量分析。实验结果表明,本文提出的方法对分割结果有明显改善。