基于心脏MR图像左心室轮廓的心脏功能参数估算,在相关疾病的诊断和治疗监测中有着非常重要的作用,因此左心室心内膜、心外膜的提取一直是心脏疾病领域的研究热点。受到图像噪声以及误导信息的影响,仅依赖于图像纹理的分割方法往往无法取得理想的分割效果。近年来,许多研究结果表明形状先验知识的利用能够有效地改善分割效果。形状先验建模在这些方法中扮演着重要角色。现有形状先验建模方法大都只针对于单一形状建模,对于左心室轮廓而言,心内膜和心外膜间的空间位置信息并未得到有效利用。因而当输入形状的误差过大或较为密集时,这些方法通常难以取得较好的效果。针对这类情形,本文对稀疏形状组合模型(Sparse Shape Composition model,SSC)进行改进,将多个感兴趣形状视作一个整体(族)共同建模——计算形状族样本的最优稀疏线性组合对输入族进行近似。与原始SSC相比,该方法不仅能够有效利用形状间的先验位置信息以取得更准确的结果,而且在可以根据左心室心内膜对心外膜进行合理推测以得到其大致轮廓辅助分割。在此基础上,构建了一种基于先验的心外膜分割方法:首先根据改进SSC对心外膜进行定位;再以定位结果作为约束形状使用形状约束GCV进行初分割;之后迭代使用改进SSC和形状约束GCV对外膜进行分割。迭代过程中,改进SSC用于对演化曲线进行正则化,其结果在下一次基于形状约束GCV的演化过程中用作初始曲线和约束形状。实验结果表明,该方法能够对左心室外膜有效定位、分割,定位误差为2.74m,分割误差约为1.50mm。