心血管疾病已经成为全世界人口死亡的主要原因。在心血管疾病的临床诊断领域,医学图像的处理和分析对疾病的诊断起到重要作用。本论文的研究内容是基于心脏核磁共振(MRI)图像,利用深度学习完成左心室的分割以及左心室的容积预测,为心脏相关疾病诊断提供更加准确的参考。本文的主要内容是利用深度学习技术实现左心室腔体容积的预测,并进行Web系统的设计与实现。针对此任务,本文提出两种方法,一种方法以U-net网络为基础,加入LSTM(长短期记忆网络)将心室短轴MRI切片的空间信息联系起来实现左心室分割,而后再进行容积计算,本方法达到了左心室分割及左心室容积预测的要求;另一种方法首先使用多尺度图谱匹配法实现左心室区域准确定位,然后用三维卷积神经网络实现左心室容积预测,实验结果表明此方法的左心室容积预测误差明显低于二维卷积神经网络的误差。最后利用Flask技术开发了左心室腔体容积分析系统。系统利用本文提出的算法为用户提供左心室分割、左心室容积预测等功能,支持用户自行上传数据进行相关分析并填写相应诊断意见,具有较高的正确性及较好的易用性。