心血管类疾病持续以来位居全球造成死亡的首要因素。左心室(left ventricle,LV)的功能估计,尤其是射血分数和心肌质量等,是心血管类疾病的重要预测指标,可为临床心血管疾病的治疗和预后提供准确的信息。目前,多层螺旋CT(MSCT)的临床应用研究在冠状动脉疾病诊断方面报道较多,而在心脏功能分析和病理诊断上较少涉及,由于MSCT定位准确,使得其在心脏疾病诊断方面的潜力将越来越被临床医师所认同和接受。为了代替繁琐耗时的手动分割,左心室的血腔和心肌的准确分割算法是用于心功能定量分析的关键步骤,而且对心脏等软组织图像的分割一直是图像处理领域尚未解决的难题之一。本文首先针对临床采集到的数据集的特点,研究了几种比较典型的除噪算法,分别对它们进行实验及对比分析,并对小波除噪算法进行了重点研究,获得了对心脏CT数据集除噪效果较好的预处理后图像。针对心脏MSCT分割的难点,本文提出了一种改进的三维心脏MSCT数据集的左心室血腔和心肌分割的半自动方法。基于随机游走算法,提出了一种结合区域生长和形态学运算的快速有效的新颖的种子点选取方法,使其能在三维数据集中准确的标记种子点,并能将标记图像间的种子点准确的进行传递,用于左心室的血腔和心肌的定位和识别。同时,将6-连通网格应用到随机游走算法中,以确保三维图像层片间分割的结构连续性,并使用共轭梯度法进行大型稀疏线性方程系统的求解,来改进三维数据集的分割性能。左心室的3D重建结果,以及与手动分割结果的相似度比较,证实了本方法在心脏MSCT图像的左心室分割中的有效性及优势。最后将分割后所获取的结果应用于左心室的各项心功能指标的计算及估计中,有效地提取出了左心室的关键特征参数,并且获得了较好的心功能评价结果,具有较高的临床实用价值,可用于冠心病等心血管疾病的预防及检出。本论文的工作得到了国家自然科学基金(60771007)的资助,谨致感谢。