医学图像分割就是把医学图像中感兴趣的解剖结构区分开来，使其每一个区域互不重叠且具有某种解剖特征一致性，为临床提供准确而实用的诊断治疗信息。至今已有很多种医学图像的分割方法，既有经典方法也有结合新兴理论的分割方法。Contourlet变换是对二维图像域内小波变换的一种新扩展，由不可分的方向滤波器组实现，能够稀疏地捕捉图像中的光滑轮廓，是一种新的多尺度多方向分析理论。因此利用Contourlet变换进行医学图像的分割将会对医学影像诊断及研究提供更好的依据。　　 本文研究了Contourlet变换基础理论及应用，提出了一种基于Contourlet变换和脉冲耦合神经网络(PCNN)的椎体CT图像解剖轮廓特征提取算法。为评价分割算法的好坏，研究并结合了基于连通性和信息熵的评估方法，使其作为评价分割结果的标准。并对基于影像特征的解剖组织的力学特征的仿真计算进行了初步探索，利用Mimics以及Ansys对椎体成形术进行了力学特征的可视化计算分析。　　 论文完成的主要工作如下：　　 1、研究Contourlet变换的理论及图像分割的应用。利用Contourlet变换后的系数实现图像粗分割。　　 2、提出基于Contourlet变换和PCNN相结合的医学图像分割算法，并将算法运用到椎体CT图像中，得到较好的分割结果。　　 3、将PCNN算法进行改进，再与Contourlet变换结合，用到同一序列图像的分割。　　 4、将本文提出算法分割提取的结果与结合小波变换和PCNN的算法提取的图像边缘轮廓进行比较，并提出结合基于连通性和信息熵的评价标准评估分割结果的有效性。　　 5、建立了椎体组织的几何模型和有限元模型，应用模型完成了椎体成形术力学特征的数值计算分析。　　 6、总结现有工作并展望未来进一步的工作内容与方向。　　 本文的研究结果表明结合Contourlet变换和PCNN的分割算法能够有效的实现医学图像解剖结构轮廓特征的提取，为医学图像的后续处理提供一定依据，为疾病的诊断和研究提供帮助。