随着CT、超声、核磁共振、数字减影等多种先进影像技术的发展，医学图像处理的研究受到了更多专家的关注，而其中的医学图像分割是热点问题之一，同时也是经典难题。医学图像分割就是把图像分割成若干区域，提取并显示图像中感兴趣的组织器官区域。图像分割为医生临床诊断，如在分析肝脏CT切片时，提供了一定的参考依据。 基于三维图像具有三维平滑、连续变化等特性，可以发现这样一个特点：同一物体的轮廓在序列图像中的变化是连续的平移和形变。可以根据前几幅图像中物体轮廓的位置、形状以及它们的变化趋势，来估计当前图像中物体轮廓的位置和形状。本文提出了一种新的医学图像序列分割方法。该方法在计算过程中只需手动设置第一幅图中主动形变模型的关键点位置。在其他图像中，首先采用预测和视频运动估计中常用的块匹配法优化主动轮廓模型的初始化位置，然后采用偏三维约束和梯度矢量流(GVF)，从初始化位置开始在图像中进一步迭代收敛得到每幅图像中的最终轮廓位置。在一般的二维平滑基础上，达到三维平滑，三维分割的作用。与文献中报道的光流法，一般预测法等方法的实验结果相比，本文方法可以显著提高分割的准确性以及速度。