تشخیص مرز صحیح اشیاء یکی از پیچیدهترین مسایل مرتبط با پردازش تصویر محسوب میگردد. در این میان قطعهبندی تصاویر پزشکی با پیشرفت روزافزون علم پزشکی، به دلیل افزایش قدرت تشخیص خودکار بیماریها و ... از اهمیت ویژهای برخوردار میباشد. تاکنون روشهای قطعهبندی مختلفی شامل انواع روشهای ساختاری ،آماری و ترکیبی برای قطعهبندی تصاویر معرفی شدهاند. از جمله استفاده از مدلهای قابل تغییر شکل جهت تشخیص مرز صحیح اشیاء یک موضوع در حال پیشرفت محسوب میگردد. در این رساله روشی بر مبنای یکی از قویترین روشهای جدید مدلهای قابل تغییر شکل برای قطعهبندی به نام کانتور فعال منفصل ارایه گردیده است که توانسته است در شرایط یکسان به نتایج با صحت بالاتر دست پیدا کند. در روش پیشنهادی، در ابتدا با استفاده از تشخیصدهندهی لبهی کانی، کانتور اولیه به طور اتوماتیک انتخاب میگردد. سپس مرز زیر_بهینه با استفاده از مدل مخفی مارکوف و یک جستجوی ویتربی استخراج میشود. در مرحلهی بعد با توجه به انحنای بخشهای مختلف مرز استخراج شده، نمونهبرداری بر اساس انحنا انجام شده و تزریق نقاط اضافه صورت میگیرد. گام بعدی شامل ادغام دادهی آماری با ترکیب دانش پیشین غیر ایستا و گرادیان تصویر میباشد. این روند تا رسیدن به مرز مطلوب در یک اسلایس ادامه مییابد. سپس، قطعهبندی به اسلایسهای مجاور توسعه یافته و در نهایت مرز مورد نظر سه بعدی استخراج میگردد.