针对脑肿瘤MRI图像分割在磁共振成像（MRI）中由于草图数据量小、类别不平衡和私有数据库差异大而造成的困难，提出了一种基于局部全局自适应信息学习（ALGIL）的分割算法。图像和纹理的低频域和低频域分别是从图像和图像的低频域和低频域中提取的信息，解决了传统单域特征提取的局限性。采用局部-全局自适应信息学习算法，首先通过随机森林算法获得特征权重，对图像进行加权，构造相似度矩阵，然后利用指数衰减函数自适应调整标记样本对算法的影响程度，它解决了由于草图数据较少而导致分割效果不理想的问题。在开放数据集Brats2018上的实验结果表明，与其他先进模型相比，该方法的评价指标得到了改进，减少了对草图样本量的要求，大大提高了图像分割的效率，为脑胶质瘤的自动准确分割提供了新思路