心血管疾病是人类健康的头号杀手,其致死率高且发病率不断提升。通过心脏核磁共振(Cardiac Magnetic Resonance,CMR)图像判断病情是临床中常用的方法。然而,手动分割CMR图片费时费力且易出错,利用医学图像分割技术对其进行自动分割很有必要。由于左心室较右心室来说其形状较规则,分割起来较容易,其研究成果有很多。而医学研究表明,右心室的评估对于某些心脏疾病的诊断很重要,但现有的右心室分割研究成果并不多。因此对右心室的自动分割进行深入研究很有意义。本文以心脏短轴核磁共振图像为基础,对右心室的分割展开研究。主要展开了如下工作:1.尝试利用传统分割方法对于右心室进行分割,指出这些方法的局限性以及其在对右心室分割当中的不适应性。2.由于心脏核磁共振图像的灰度不均匀、心肌与血池对比度不够高等特性,因此对其进行预处理很有必要。本文在分析常见的滤波方法的基础上,设计出一种基于各向异性扩散算法的CMR图像预处理方法,提高CMR图像质量,为后续准确的分割奠定基础。3.提出简化脉冲耦合神经网络(Simplified Pulse Coupled Neural Network,SPCNN)与形态学运算相结合的右心室心肌提取新方法。其中,内膜分割利用了SPCNN的同步点火特性,能够较好得区分图像的区域信息和边缘信息,分割准确性、鲁棒性高且运算较简单;外膜分割利用了右心室外膜与内膜的形状相似性的特点,采用形态学运算进行处理,分割简单有效。本文对提出的方法在医学影像计算与计算机辅助接入(Medical Image Computing and Assisted Intervention,MICCAI)2012会议提供的数据库中进行了实验验证,对预处理、内膜、外膜分割结果进行了主观、客观评价,均获得了较好的表现,证明了提出方法的有效性。