超声医学是医学、声学和电子信息工程技术相结合的一门学科,超声检查以其无痛苦、无损伤、无辐射、快捷、方便、实时等特点在现代医学临床诊断中占有非常重要的地位。超声散斑跟踪(Speckle tracking)技术,是近年发展起来的一项临床医学应用前景广阔的医学超声成像技术。该技术利用超声成像固有的属性--散斑(Speckle)信息,在心脏心肌壁中选择临床医生感兴趣的区域(ROI),在整个心动周期内,跟踪和记录每帧超声图像上ROI区域内心肌组织上的散斑或散斑模式位置和运动。通过计算ROI区域内散斑的运动轨迹,定量分析心肌组织运动的位移、应变、应变率、速度以及左心室的扭转角度等心肌运动参数；通过获取的参数,为临床医生整体和局部评价心肌功能提供定量依据,克服了心肌多普勒成像技术角度依赖性的缺陷,具有更大的优越性。本课题由两大部分组成,前半部分对散斑跟踪技术进行了较为系统的研究与阐述,并提出并实现了一种新型的散斑跟踪方法—鲁棒自适应散斑跟踪方法(Robust Adaptive Speckle Tracking,RATracking方法)；后半部分将RATracking方法应用于超声心动图的定量分析中,实现了左心室径向应变和扭转角度的计算,并通过仿真的超声图像序列对方法进行了验证,并将RATracking方法初步应用在临床的左心室短轴图像的径向应变、扭转角度的计算上。鲁棒自适应散斑跟踪方法,为了提高传统块匹配方法的鲁棒性,借鉴光流场散斑跟踪技术解决光流约束方程孔径效应的方法,给传统的块匹配方法施加空间平滑性约束。另外,传统的块匹配跟踪误差积累导致散斑跟踪方法跟踪精度不够理想,为了避免传统块匹配跟踪误差的帧间积累,RATracking方法引入自适应卡尔曼滤波技术以最终实现高精度的超声心动图散斑跟踪。方法确立了菱形搜索、SAD匹配准则、空间平滑性约束、自适应卡尔曼滤波更新参考块的技术路线。该方法有着较高的跟踪精度、良好的鲁棒性、且计算处理效率满足能够临床应用需求。应变的测量是一种无创的,定量评价心肌功能以及其收缩性的超声心动图检查新技术,对及早的发现心肌功能疾病有很高的敏感性,在心血管疾病许多方面都有着很重要的临床需求,包括早期发现不同病因的冠心病等心脏疾病。不同心肌节段的收缩应变代表着心肌组织局部的收缩功能,所以心肌组织的应变是一个定量的直观的评价心脏收缩功能的指标,不受周围心肌组织和心脏整体运动的影响。本课题基于RATracking方法,实现了对心肌内膜、外膜上成对ROI区域的跟踪,进而实现了超声心动图的心肌径向应变的测量。心肌的扭转是表现心肌组织整体运动功能变化的敏感指标,心尖部位的旋转跟左心室的收缩有关,而心底部的解旋主要与左心室的舒张有关。临床研究发现左心室扭转运动的扭转角度、扭转力矩等参数与心肌组织纤维的收缩力成正相关,对左心室的局部或者全局病变相当敏感,是一个比射血分数等传统指标更可靠、可早期反映左心室收缩功能变化的重要指标,有着广泛的临床应用。本课题主要研究了左心室扭转力矩计算中一个非常重要的环节,即基于RATracking方法实现了左心室扭转角度的测量。