功，但还远远不能满足医学图像处理的实践中对分割结果准确性的要求。有相关的研究人员尝试将现有的分析方法进行优化和结合并探索新的分割方法，例如结合区域与边界技术的方法、图谱引导（Atlasguided）方法、数学形态学和尺度空间理论的应
用等。3医学图像分割方法的评估图像分割中另一个重要
问题是对分割算法的定性和定量评估，这对于医学图像的分割尤其重要，因为分割的准确度直接关系到临床应用的效果。这一问题的难度在于目前还没有一个大家都能接受的对分割结果好坏的客观评判标准。对算法的评价一般做法是将计算机的分割结果与实际结果相比较。对人工生成的图像等实际结果已知的情况这当然是没有问题的，但对一般的图像实际结果往往是未知的，这时候只好将人工分割的结果作为实际结果来与计算机的分割结果比较，这种做法的问题是不同的操作人员对同一
幅图像的分割结果往往是有10差异的。一种比较好的做法是
如VChala
a等人在介绍的那样，获得好几个操作人员的手工分割结果，再比较计算机的分割结果是否与这些手工分割结果
f一致。目前，为促进分割方法的评估和开发，医学图像分割领域已出现了一些标准数据集，如哈佛大学的IBSR提供了脑部图
像数据与专家指导分割的结。4医学图像分割发展前景随
着医学图像处理的发展，医学图像分割方面的研究也越来越深入，思路也越来越开阔，主要表现在以下几个方面：（1）人们逐渐认识到现有的任何一种单独的图像分割算法都难以对一般图像取得令人满意的分割结果，更加重视多种分割算法的有效结合，近几年来提出的方法大多数是结合了多种算法的。（2）继续致力于将新的概念，新的方法引入图像分割领域。（3）将图像分割方法的研究与与其他图像处理分析任务（如图像去噪、增强、匹配、可视化等）结合起来。因为其在识别对象结果和功能上是相关的，因此将他们结合起来共同研究是未来研究的一种趋势。4
（4）生物医学工程和计算机视觉领域的最新研究成果也将影响和促进分割算法的研究。（5）随着图像处理研究不断深入，图像分割将向自动、精确、快速、自适应性的方向发展，并需要与新理论、新工具和新技术结合起来才能有所突破和创新。
参考文献1王郭秀花医学图像处理中有关图像分割的新技
术J北京生物医学工程2008044404432聂斌医学图像分割技术及其进展J泰山医学院学报2002044224263林瑶田捷医学图像分割方法综述J模式识别与人工智能2002021922044张石董建威佘黎煌医学r