近几年,在图像处理领域,有关医学图像分割算法成为学者们的研究热点之一,它可以将目标目像中的感兴趣区域提取出来,有助于缓解我国医疗现状,为医务工作者提供帮助。脑肿瘤是我国发病率和死亡率较高的几种恶性肿瘤之一,且难以治愈,手术是当前最主要的治疗方式。核磁共振成像（MRI）是辅助脑肿瘤诊断和治疗的重要手段,精准分割脑肿瘤病变区域和组织对于辅助诊疗具有重要作用。由于脑肿瘤MR图像具有对比度低、噪声点多、边界模糊、不规则等特点,以及极易在成像时受到磁场不均匀和人体局部运动等因素的影响,并且MRI设备的像素分辨率有限,会使不同组织的边界像素点堆叠在一起,造成边缘容积效应,以致传统的人工阅片方式既费时又费力。因此,借助各种图像分割算法的自动智能分割算法显得尤为重要,本文为此梳理近几年脑肿瘤MR图像的分割方式与方法,对他们的基本思想、方法理论、优缺点等进行深入探索和了解,提出一种多尺度特征融合的全卷积神经网络的脑肿瘤MR图像分割模型,该算法引入多尺度输入和特征融合,加强网络的低层、高层特征提取能力,并使用跳跃结构,将融合后的特征作为网络第一通路的输入和最终结果的一部分,在网络的不同通路采用尺寸不同的卷积核以达到多尺度特征输入与提取的目的。本文使用Bra Ts挑战赛的训练集对网络模型进行了验证和测试,并对数据集脑肿瘤MR图像的四种模态进行归一化等预处理。实验结果表明,MFF-FCN模型在特征提取和分割精度上都有较好的表现,并且用时较短,实用性较强,说明这些改进有助于提升网络分割性能。