Рассматривается задача сегментации трехмерных фМРТ изображений на основе байесовского подхода, где вкачестве априорного распределения используется марковское случайное поле (Markov Random Field), а в качествемодели наблюдения – распределение фон Мизеса-Фишера. Основная проблема при применении данного подходана практике состоит в оценке параметров модели. В статье рассматриваются алгоритмы HMRF-MCEM, HMRF-EMи GrabCut, использующие данную статистическую модель и оценивающие параметры модели без использованиязаранее размеченных данных. Методы HMRF-EM и GrabCut изначально были предложены в связке с другими ста-тистическими моделями, однако после некоторых модификаций могут быть использованы с распределением фонМизеса-Фишера. Проведен сравнительный анализ результатов работы алгоритмов на основе экспериментов с ис-пользованием синтетических данных, сгенерированных в соответствии со статистической моделью, и реальныхфМРТ данных.