（2）基于形变模型方法
基于形变模型的方法是一种基于模型的分割方法，利用的是图像区域和边缘的信息，对图像区域边界形状很不规则的情况下能有较好效果，该方法是目前图像研究最多和应用最广泛的分割方法，该算法结合几何学和物理学和逼近理论的方法提出的一种高效的图像分析方法，该分割方法由于模型的形变空间大，对不同形状的边界可以通过模型不断逼近，并且能对原始模型能进行约束，故具有较好的鲁棒性。该分割方法可有效地对目标进行分割、匹配和跟踪分析[12]。
（3）基于随机场方法
基于随机场的分割方法是把图像中像素点的灰度值看成一个具有一定概率的随机变量。且考虑了像素之间的空间信息，所以在对核磁共振图像中出现的灰度非均匀、局部体效应有校正作用，典型的基于随机场的分割方法是马尔科夫随机场模型。
马尔可夫随机场在统计学角度上对数字图像中像素的灰度值进行统计和建模。把数字图像中各个像素点的灰度值看成具有一定概率分布的随机变量，借助于贝叶斯等系，结合基于聚类的分割方法，将对图像中像素点灰度值的处理转化为后验概率问题。马尔可夫经常与聚类分割方法结合使用，如K-means[13]，以此提高聚类算法对噪声的鲁棒性。
综上，不同的分割方法各具特色，然而，当前并不存在一种图像分割方法适用于所有的图像分割，对于特定的任务，需要根据具体的图像特点，寻找或开发出具有针对性图像分割方法。
本文的研究内容是通过分析脑部MRI图像的典型分割方法，结合人体大脑的解剖结构特点，选择合适的算法，用Matlab编程基本实现对大脑白质、灰质、脑脊液的自动分割，以期获得比较准确的分割结果 医学图像分割技术国内外研究现状(2):http://www.youerw.com/yanjiu/lunwen_22900.html