壹種圖像處理技術，將圖像分成幾個具有獨特屬性的特定區域。這是圖像分析前的關鍵步驟。
所謂醫學圖像分割，就是根據醫學圖像的某些相似特征(如亮度、顏色、紋理、面積、形狀、位置、局部統計特征或光譜特征等)，將壹幅醫學圖像分割成若幹個互不相交的“連通”區域的過程。).相關特征在同壹區域表現出壹致性或相似性，但在不同區域表現出明顯的差異，也就是說，像素在區域邊界上具有壹些不連續的特征。
區域作為圖像分割中像素的連通集和基本分割單位，可以根據連通度的不同來定義:4個連通區域和8個連通區域。區域的連通性是指在壹個區域中任意兩個像素之間，存在壹條由完全屬於這個區域的像素組成的連通路徑。如果壹個區域的連通性僅由四個正位置(上、下、左、右)或四個角位置(左上、左下、右上、右下)的相鄰像素決定，則稱為4連通性；如果壹個區域的連通性是根據同時與四角位置和四角位置相鄰的像素來確定的，則稱之為8-連通性。
1.醫學圖像分割:它是醫學圖像處理和分析領域中壹個復雜而關鍵的步驟。其目的是分割醫學圖像中具有某些特殊意義的部分，提取相關特征，從而為臨床診斷和病理研究提供可靠的依據，輔助醫生做出更準確的診斷。
2.醫學圖像分割:醫學圖像成像有多種圖像模式，如MR和CT。二維圖像中的每個元素稱為壹個像素，三維圖像中的每個元素稱為壹個體素。在某些情況下，三維圖像可以表示為壹系列二維切片用於觀察，這具有計算復雜度低和所需內存小的優點。
3.醫學圖像分割:從醫學圖像中自動分割出目標是壹項艱巨的任務，因為醫學圖像復雜度高，缺乏簡單的線性特征；此外，分割結果的準確性還受到壹些因素的影響，如體積效應、灰度不均勻性、偽影、不同軟組織之間的灰度鄰近性等。對於常用的校正技術，MR和CT圖像中的偽影可分為:
(1)需要通過適當的濾波算法處理的偽影，例如噪聲偽影、靈敏度偽影和邊緣不清晰的偽影；(2)需要適當的圖像修補算法的偽影，例如運動偽影；(3)需要特定算法的偽影，例如部分體積和灰度不均勻性。盡管在圖像處理領域有許多算法來處理上述問題，但醫學圖像分割仍然是壹個復雜而富有挑戰性的問題。從醫學圖像處理的角度來看，基於灰度和紋理特征技術的分類是壹種常規的分類方法。另外，利用機器學習工具來優化這些圖像分割算法，是目前比較受關註的技術。
4.壹些常用的CT圖像分割方法有:基於閾值、基於區域、基於形變模型、基於模糊和基於神經網絡。
5.影響因素:
(1)噪聲:由於成像設備、成像原理和個體差異的影響，醫學圖像壹般都含有大量的噪聲。因為噪聲對位置和空間的約束是獨立的，所以可以利用噪聲的分布來降低噪聲。
(2)偽影:偽影壹般在圖像配準和三維重建(如CT)過程中產生，原則上只能很少，不能消除。CT成像中的偽影包括:部分容積效應、條狀偽影、運動偽影、射束硬化偽影、環狀偽影、金屬偽影等。由於這些偽影，CT圖像分割困難，不同組織部位的分割精度不同。