心血管疾病是全世界死亡率最高的疾病,并且发病率、死亡率逐年上升,严重威胁着人类的生命健康。因此,对心血管疾病进行定量辅助诊断和介入治疗,对改善人类健康状况具有重要意义。心脏是人体心血管系统的关键器官,现代医学成像技术能够提供丰富的结构和功能信息,其中CT(Computed Tomography)成像速度快、分辨率高、信息量多,是做心脏检查的重要手段。基于CT图像对心脏区域的分割在心血管疾病的诊疗上具有重要的作用。目前国内外学者提出了许多针对心脏中某些解剖结构的分割算法,他们的主要关注点在于心房、心室的分割。但是,对于心脏手术导航、介入治疗指导、计算机辅助诊断等应用常常需要获得整体心脏结构。通过精确提取心脏完整区域和边缘,建立全心脏三维模型以辅助医生进行临床诊断和早期治疗,具有重要的应用价值和临床意义。然而,复杂的心脏结构以及由于心脏搏动而形成的伪影和噪声,给心脏的定位和分割带来了极大的困难,因此心脏的全自动分割一直是具有挑战性的难点和热点问题。本文以医学图像分割与图像识别研究为背景,针对心脏CT图像序列中相邻切片和不同序列之间具有高度相关性的特点,对心脏的分割算法进行了研究,提出了一种基于模型的全心脏自动化分割方法,并对分割后的心脏进行了三维可视化显示。本文主要的研究内容包括：(1)训练分类器实现心脏目标的自动定位。首先,基于不同个体心脏相似性的特点,利用已有样本集提取图像Haar-Like特征,并采用AdaBoost与瀑布算法训练生成一个心脏级联分类器,利用分类器检测输入图像自动定位心脏目标。然后,根据同一个体心脏相邻切片的相似性特点,将当前的检测结果动态调整后续图像的检测参数,形成一种自适应多层目标检测算法,有效提高了检测效率,降低了误识率。(2)基于主动形状模型(Active Shape Model)的全心脏分割算法。首先,利用心脏先验知识通过训练样本集获得心脏平均形状模型；然后,根据心脏分类器的检测结果初始化平均模型,并作自适应形状匹配。在匹配过程中,以起始匹配结果作为初分割模板,同时将其作为下一层的分割模板,如此迭代更新直至遍历结束,由此实现一组CT图像序列与心脏平均模型的匹配,从而得到了全心脏边界的匹配结果。最后,根据匹配结果得到的边缘特征点,利用贝塞尔曲线对边界进行最优路径规划与选取,获得光滑的分割结果。(3) 对于上述算法分割后的结果,分别与人工分割结果和临床结果进行定性和定量的对照分析,并采用3D纹理映射法进行了三维可视化绘制和显示。综上,本文基于先验模型实现了对心脏的自动定位、形状匹配与轮廓拟合。实验结果表明,本文的研究成果能够实现对全心脏自动与精确的分割,为后续心脏功能参数分析、计算机辅助诊断以及介入治疗等奠定了数据基础。