合理地分割影像图像是医学影像图像处理的重要基础步骤之一。鉴于医学影像的特殊性,常采用蚁群算法和形变模型法等基于人工生命的图像分割方法。本文对蚂蚁信息激素释放、路径转移重新定义,并将图像空间的模糊连接关系引入蚁群的觅食过程中,进而转换为蚁群搜寻的目标食物,改进了基于蚁群算法的医学图像分割方法。本文将Live Wire引入分水岭图像分割算法,对相邻区域以其像素数、灰度均值和灰度方差定义距离,并据其建立新连通图,以对图像过度分割而产生的一些过小区域合并;通过增加灰度模型,并以灰度模型中已分割图像中包含的物体和背景的局部区域统计信息,以及距离图等信息,引导活动轮廓在相邻的待分割图像中快速准确地收敛到物体的实边界;在模型跨边缘时,利用已分割图像中模型内部区域的统计特征,用区域生长法获取内点并重新参数化模型,以保证模型形变到正确的边缘。从而改进了基于形变模型的医学图像分割。本文面向PACS应用及不同类型物理存储器的技术特点,多层配置图像存储,以虚拟设备管理器屏蔽存储介质物理上的差异;针对医学图像传输时间分布特征,采用基于最小频率-时间间隔比的图像信息调度策略,并给出具体算法。本文分别对改进的医学影像图像分割结果进行了对比测试。