心脑血管疾病一直被视为威胁人类健康的“头号杀手”,如何快速、准确诊断并有效治疗成为人们日益关切的热点问题。研究表明,右心室形态结构和功能异常同左心室一样均有助于对心血管疾病如心力衰竭、缺血性心脏病等症的预测和诊断。核磁共振成像以其独特优势在目前心脏疾病临床诊断中颇受欢迎,对心脏磁共振图像的分割也因此成为医学图像处理的焦点。然而由于其独有的高变异、壁薄、边界不明显、与周围组织对比度低等特点,右心室的分割又成为心脏分割的一大难题。本文首先在研究心脏解剖结构的基础上,基于ITK平台分别实现了阈值法、区域生长和水平集等传统方法对右心室的分割。实验发现,传统方法有很大的局限性,例如,区域生长易造成边界泄露,水平集对初始演化曲线依赖比较大等,很难实现右心室的精确分割。因此需要考虑适宜的分割算法。基于多Atlas的分割方法充分利用解剖先验知识,将分割问题转变为配准问题,利用已分割的多幅Atlas灰度图像和目标图像的配准,寻求Atlas灰度图像到目标图像的变换参数,将这些参数应用到Atlas标记图像上,得到多个形变后的标记图像,即粗分割结果,然后通过融合策略对这些粗分割结果进行融合得到最终分割结果。该方法成功的前提是使用的Atlas图像和目标图像在某种意义上比较相似,因此如何选取Atlas图像尤为重要。本文打破传统Atlas选择,提出基于仿射传播聚类的选择方法,将所有的Atlas图像看作一系列数据点,通过数据点之间消息的传递进行聚类,得到一系列聚类中心,由这些聚类中心图像与目标图像进行配准、融合、相似性排序等,实现右心室精准分割。配准方面,本文采用先刚性配准后仿射配准再B样条配准的三步配准法。融合策略主要采用STAPLE融合和联合标记融合。其中联合标记融合方法也是首次被应用到右心室分割上。最后,本文以MICCAI在2012年10月举行的右心室分割挑战中提供的数据为依托,按照如上方法对右心室进行分割,并选用相似性测度因子对分割结果进行分析,发现本文提出的基于仿射传播聚类Atlas选择和STAPLE融合相结合的方法得到的结果由于其他分割方法的分割结果,而在一定范围内联合标记融合的结果又优于STAPLE融合,从而表明了本文方法的有效性。