数字心脏图谱在心血管医学影像分析、心脏功能仿真,心脏成像设备设计,人工智能算法研究等方面有着重要的应用价值。在过去几十年中,全世界已开发多种数字心脏图谱,大多数研究仅限于对心室进行图谱构建。近年来,一些全心范围的图谱相继被提出,但这些图谱缺乏对心脏跳动方式的人群分布统计建模。本研究构建了一个包含心跳运动的全心脏数字解剖图谱,基于57例正常人动态计算机断层血管造影（Computed Tomography Angiography,CTA）图像（每例包括20个心脏相位）的训练数据集,采用统计形状模型算法和线性回归方法,构建出可以通过调整生理参数来改变解剖形态和跳动方式的数字心脏图谱。作为图谱构建的预处理步骤,本研究首先开发了心脏CTA图像的分割方法,使用多图谱融合算法从57个训练样本的CTA影像中分割出了左心室、右心室、左心房、右心房和心肌,然后将分割得到的标签图转化为三角形网格曲面。基于图像分割的结果,进一步提取了心室、心房的容积随时间变化曲线,为动态图谱的构建提供思维的动态信息。在获取了训练数据的网格曲面后,采用统计形状模型算法从训练集中学习得到不同个体之间的解剖形态和运动方式差异分量。本研究对传统的统计形状模型算法进行了改进,使其不仅适用于三维物体的形状建模,还适用于四维（三维空间+一维时间）运动物体的形状+运动方式建模,从训练样本中学习到了心脏形状和跳动方式的个体差异分量,构建出形态和动态可变的四维心脏统计形状模型。进一步地,基于四维心脏统计形状模型,使用线性回归方法将临床相关的生理参数（射血分数和收缩期百分比）与模型的形变和运动分量相关联,将生理参数的变化映射为模型的参数变化,实现了生理参数可调的动态数字心脏图谱。作为对图谱有效性的验证,本研究测试了生理参数调节对图谱形态和运动方式的影响,观察到与生理参数（射血分数和收缩期百分比）变化相对应的心脏形态和跳动方式变化。作为定量验证,心脏图谱被用于配准个体病人的心脏CTA影像以测量不同受试者的全心形状重建的解剖学准确性,四个心腔分别获得0.89～0.93的平均Dice评分和1.02～1.91毫米的平均表面距离。本研究所构建的数字心脏图谱为心脏的电磁学、生物力学仿真和心脏医学影像分析研究提供了一种健康人群的参考模型。本研究所提出的四维模型统计建模方法对于其他人体运动组织的统计建模也有良好的借鉴价值。