心血管疾病是全世界发病率和死亡率最高的疾病,而且发病急、具有很强的隐蔽性,因此实现这类疾病的初期诊断有很重要的临床意义。十来年前问世的多层螺旋CT(MSCT)通过多排探测器技术显著提高了成像速度和扫描精度,已被广泛应用于心脏检查,诊断和评价冠心病;尤其是伴随着MSCT出现的心电同步扫描技术,能提供含有时间信息的四维心脏CT成像数据,这为观察心脏的动态特性提供了一种有效的手段。这些新技术的诞生,推动着医学图像处理和分析领域的研究步伐,摆在我们面前的任务是如何从这些海量图像数据中提取出心脏的病理信息和功能状态,以极大发挥这些高端成像设备在心血管疾病预防和诊断中的作用。因此,基于MSCT数据集的心脏分割与功能分析成为了当前国际上医学图像处理领域中一个新的研究热点。本论文根据从64层MSCT采集的3D心脏数据集和从256层MSCT采集的4D(3D+t)心脏数据集,研究了无训练数据集的自动和半自动心脏分割算法以及基于训练数据集的多心相分割算法,建立了心脏左心室的四维分割模型,并在此基础上对心脏的全局静态参数和动态参数进行了初步分析。本文主要的研究内容及其创新点包括:1.针对MSCT心脏数据集特点,通过分析MSCT心脏数据集分割的难点,完成了基于多心相数据集心脏分割的整体框架设计,主要包括对数据集的轴向翻转、灰度映射、噪声去除等预处理操作,根据层片的结构连续性设计的左心室自动定位算法以及左心室的分割算法等,为基于模型的参数提取和功能分析打下了坚实基础。2.在对基于边缘和区域水平集模型进行深入分析的基础上,针对水平集模型对初始位置敏感及边缘泄露的问题,本文结合心脏解剖结构和MSCT层片特点,提出了不需要训练数据集的无监督改进耦合水平集(ICLS)全自动分割模型。在用左心室自动定位算法准确确定水平集曲线的初始轮廓位置的基础上,通过对边缘检测函数的改进以及结合左心室形状对水平集函数进行耦合,形成了完整的ICLS心脏分割模型。该模型较好地抑制了曲线的演化泄露,避免了局部极值对曲线演化的影响,可以获得较为理想的内、外心膜边缘。3.对外心膜边缘模糊甚至缺失的心脏层片,ICLS模型严重依赖演化的结束条件和水平集参数设置,为此本文提出了人工交互的IFLW(Improved Fuzzy connectedness-based Live-Wire)半自动分割模型,通过可以自动选取种子点的融合骨架信息的模糊连接度函数,来表示心膜边缘模糊、缺失层片的区域模糊特性,并在极坐标下将模糊连接度嵌入联合矩阵代价函数,利用改进Livewire的IFLW模型实现了心脏数据的半自动分割。与传统Livewire算法相比,IFLW模型只需要较少特征点就可以接近甚至达到手工分割的精度,在降低人工干预的同时增加了算法的鲁棒性,特别是对模糊边缘层片分割的准确性。4.为减少人工干预和充分利用IFLW模型精确分割的优点,本文提出了基于IFLW分割训练样本集的改进形状统计模型分割算法。通过IFLW对样本层片的分割结果构建数据集的形状模型和局部灰度模型以及对定位算法和模型搜索算法的改进,实现了基于改进多阶形状统计模型的三维MSCT数据集分割。此外在4D多心相MSCT数据集中,通过引入基于信息量的Demons非刚性配准方法,获得从已分割三维数据集层片向待分割心相三维数据集对应层片的形变场,然后通过对分割结果进行形变获得对应层片的分割结果,从而实现了MSCT四维数据集的分割。5.在上述工作的基础上,初步进行了心脏静态和动态参数提取和功能分析的研究。最后,作者特别感谢国家自然科学基金(60771007)和安徽省自然科学基金(2006KJ097A)对本文工作的资助。