医学成像技术特别是血管成像技术对于疾病的诊断和治疗发挥着越来越重要的作用,大量数据表明,心血管疾病已经成为造成世界人口死亡的主要疾病之一,而血管图像分割技术在心血管疾病的诊断和手术治疗等方面已经发挥了重要的作用,因此,从临床应用的角度来看,对于血管图像分割技术的研究意义重大。针对目前血管图像分割中存在非自动特征提取的问题,本文研究了基于卷积神经网络的血管图像分割,论文的主要工作如下:(1)实现了基于三维多尺度线性滤波器的颈动脉分割。三维多尺度线性滤波器主要包含边界扩充、bi-Gaussian滤波和vesselness计算三个模块,实验结果表明三维多尺度线性滤波器可较好的分割颈动脉;(2)实现了基于卷积神经网络的神经元细胞膜及颈动脉分割,并分析了网络参数和训练参数对分割正确率的影响;(3)实现了基于卷积神经网络的小鼠下肢血管图像分割,对比分析了卷积神经网络和三维多尺度线性滤波器的分割效果,实验结果表明卷积神经网络可更好的分割小鼠下肢血管。