脑血管图像分割（未完，待补充）

马尔科夫模型和隐马尔科夫模型：

隐马尔科夫模型：

隐马尔可夫模型是在马尔可夫模型的基础上发展而来的，它是为了解决我们观察的事件往往并不是与状态一一对应而只是通过一定的概率分布相联系的问题而提出的。HMM是一个双重随机过程，一个是具有一定状态数的马尔可夫链，这是基本的随机过程，它描述状态的转移；另一个随机过程描述状态和观察值之间的统计对应关系。其中模型的状态转换过程是不可观察的，因而称之为“隐”马尔可夫模型。

马尔科夫模型：

在介绍马尔科夫模型之前先提一下马尔科夫性质。那么何谓马尔科夫性质呢？马尔科夫性质是概率统计中的一个概念。当一个随机过程在给定现在状态以及所有过去状态的前提下，未来下一状态的条件概率分布仅依赖于当前状态；换言之，在给定现在状态时，它与过去状态（即该过程的历史状态）是条件独立的，下一状态仅受到上状态的影响，与上状态之前的状态毫无关系。假设在随机过程中有N个状态转换，状态依次为：1、2、3…N-3、N-2、N-1、N；那么N-1状态只受到N-2状态的影响，而与N-2之前的状态1、2、3…N-3均无关系。这就是所谓的马尔科夫性质。

马尔可夫模型，是指数学中具有马尔可夫性质的离散事件随机过程。该过程中，在给定当前知识或信息的情况下，过去（即当前以前的历史状态）对于预测将来（即当前以后的未来状态）是无关的。

马尔科夫随机场：

马尔可夫一