当前,众多学者针对心脏中的内部组成结构提出很多的分割算法,而且这些算法绝大部分的侧重点在于对心脏具体的心房、心室结构的分割。但是,心脏在现实的医学研究中有重大作用,对于早期辅助诊断、介入性指导治疗以及心脏手术导航等方面的应用则需要提取完整的心脏结构。所以对心脏所处的完全区域和边缘进行精准的分割和给出心脏的预测模型来协助临床医生对患者进行初期的诊断与治疗,拥有着非常重要的临床价值。本论文的主要研究内容包括:(1)基于空间邻域信息的核函数改进模糊C均值聚类算法。当前的模糊C均值聚类算法对图像的灰度值变化进行充分的考虑,而对空间邻域相关信息欠缺考虑,对噪声极其敏锐,所以对医学图像中感兴趣目标区域的获取效果不是很理想。提出的像素邻域相关信息和核函数的改进模糊C均值算法,在提高图像分割的准确度方面拥有明显的成效。在本文中,能够使用该改进方法对心脏跳动周期图像进行粗分割的处理。(2)基于熵值和边缘引导函数的主动轮廓模型改进算法研究。使用主动轮廓模型对心脏图像分割时,需要优先考虑将一些与目标相似的特征信息改变为用户预设的能量信息进而列入到主动轮廓框架中去。熵值法能够按照图像客观而真实的数据,正确把握轮廓模型中的能量权值参数,拥有着不错的客观性。通过引入边缘引导函数,对曲线的演化可以更加很好的把握,使其可以更标准地向目标的轮廓逐渐靠近。(3)心脏预测模型的提出。所谓心脏预测模型是指通过对心脏核磁共振图像的分析来动态地观察心脏的周期运动情况,从而总结出跳动周期内心脏的运动趋势,并对下一心脏序列图像进行预测。