目前,心血管疾病已经成为当前人类死亡的主要原因之一,而通过医学影像技术来获得心脏图像,以进行分析、诊断心脏疾病,已经成为重要的临床珍疗手段。超声诊断技术由于其成像迅速、对病人无痛苦等优点已经成为医学影像技术的主要方法之一。而斑点追踪技术就是在二维超声图像的基础上,识别并提取出心肌内的斑点,追踪斑点的运动情况,并跟踪其在每一帧图像上的位置变化,标测出不同帧图像心肌运动轨迹。本文主要是根据心脏左心室的二维超声图像运动序列,通过提取和跟踪其短轴图像中的斑点信息,来分析心肌应变。主要工作内容分为3部分:1.对心脏超声图像进行分割,从而得到左心室心肌的内外轮廓,反映出心肌运动区域。本文通过比较了Snake模型、GVF Snake模型的分割结果,发现这两个算法对于初始曲线位置和形状要求很高,取得的分割效果并不理想;并实现了C-V模型算法,发现它不能很好的克服超声图像的灰度不均匀性。本文主要采用了基于局部高斯概率模型的方法,通过设置两条初始化曲线,演化后得到左心室心肌区域。通过实验结果表明,该方法在处理超声图像这种噪声较大的图像时效果较好,可以较好地克服灰度不均匀性和噪声。2.斑点提取。根据超声图像特点,通过设置一个固定大小的窗口来遍历整个图像,比较像素灰度值,得到极值点区域来标记出斑点所在位置。3.斑点跟踪和应变计算。通过配准得到斑点对应的匹配点,从而可以得到斑点随时间变化在不同图像的位置变化情况,可以计算得到位移。根据弹性力学中有关位移与应变的关系,计算得到应变。从而可以得到心肌组织在心脏舒张期和收缩期时的运动情况。