乳腺癌作为当今女性最普遍的癌症之一，已经成为严重危害女性健康的罪魁祸首。如何有效地提高乳腺癌的诊断、治疗，进而最大可能地减少损害，已经成为当今女性健康所面临的一个急需解决的问题。为此，乳腺肿瘤分割的准确与否，不仅为临床诊断及放射治疗方式的选择提供重要依据，而且直接关系到患者的治疗效果。故如何提高乳腺CT图像肿瘤的分割准确率一直是相关人员研究的重点。本课题研究的内容是乳腺CT图像中肿瘤的分割方法。首先，依据肿瘤的形态及统计特性，提取疑似病灶区；其次对病灶区进行对比度增强；最后根据病灶区边缘是否清晰，与周边组织是否粘连，采用两种不同方法分割乳腺肿瘤。论文主要围绕以下几点展开：(1)对乳腺肿瘤分割之前，需要进行预处理，主要包括提取疑似病灶区和增强病灶区。前者针对乳腺CT图像肿瘤可能出现的位置，及其形态及灰度特征提取疑似病灶；后者通过形态学滤波器进行对比度增强，不仅滤除了噪声及非规则细节，而且突出了肿瘤区与非肿瘤区的灰度层次。(2)当乳腺肿瘤边缘清晰，与周围组织明显时，采用一种从粗到细的分割方法。首先利用形态学重构滤波器去除图像中的细小毛刺和不规则边缘，避免产生新边界和边界偏移；其次，通过提取局部最大值标记目标区域，然后采用强制最小技术修正梯度图像并进行分水岭变换，实现乳腺肿瘤的粗分割；最后，通过在分水岭脊线上人工选择种子点形成的曲线作为Snake模型的初始轮廓来动态逼近目标的真实边缘，实现乳腺肿瘤的细分割。(3)对于乳腺肿瘤与周边组织较近或者粘连，其边界模糊不清时，采用上述方法，分割结果除了肿瘤区，还包括非肿瘤区。为了避免过分割，针对乳腺肿瘤的形态特性，利用点分布模型(Point Distribution Model，PDM)训练多幅乳腺CT图像中的肿瘤轮廓，并提取肿瘤的平均形状，并将其依附于实际肿瘤的边缘，结合Snake模型动态跟踪目标的真实边缘，实现病灶区分割。本文是在MATLAB2012b平台上对临床医学CT图像进行了实验，结果表明，针对不同的乳腺肿瘤CT图，采用不同方法均能够提高肿瘤病灶的分割准确率。