脑组织自动提取是脑内部分析预处理中的一个重要步骤。随后的分析如脑组织分割、脑容量大小和脑萎缩程度测量，都很大程度上受到脑组织提取量结果的影响。按人工参与程度，目前脑组织提取可分为人工、半自动和自动三种方法。由于人工方法对操作人员要求过高，且耗时严重，所以具有较高准确性并且耗时较少的自动方法获得了研究人员极大的关注，近些年取得了很大的进步。本文提出一种基于活动感兴趣区域(Active Region of Interested,AROI)的脑组织自动提取算法。　　本文首先介绍了脑组织自动提取研究背景和意义、国内外研究现状，脑组织自动提取算法中的BET（Brain Extraction Tool）和其改进算法原理，提出了三种轮廓线演化的自动结束准则，并用实验对所提出准则效果进行分析与总结。之后介绍了基于边缘信息的GAC（geodesic active contour）模型和基于区域信息的CV模型原理以及一种结合了边缘与区域信息的混合活动轮廓模型。　　本文提出了基于活动感兴趣的脑组织自动提取算法。该方法首先对MRI图像使用BET改进算法进行轮廓演化，该算法能快速自动收敛到脑组织粗轮廓，然后再对此轮廓进行进行数学形态学膨胀处理，得到初始感兴趣区域。然后在初始感兴趣区域中使用一种混合轮廓模型改进方法进行处理，得到新的轮廓线再进行膨胀处理得到新的区域，由此我们即是在活动的（持续更新的）感兴趣区域中进行混合轮廓模型的演化，直到混合模型收敛，处理结束。最后获得较精确脑组织轮廓。