随着人类生活水平的提高和预期寿命的延长，心血管疾病（cardiovascular disease，CVD）成为人类的头号死因。对心血管疾病的早期定量诊断和风险评估对延长人类预期寿命，提高人类的生活质量，起着非常关键的作用。心脏由心电节律控制，房室按顺序收缩、舒展和瓣膜开闭作周期运动。很多现代医学影像设备都能对心脏进行动态成像。近年来，医学影像设备包括磁共振成像（magnetic resonance imaging，MRI）、计算机断层成像（x-ray computer tomography，CT）和超声成像（ultrasonic imaging，US）等，在成像速度、时间和空间分辨率方面快速提高，基本实现了对心脏的3D动态成像。MR心脏成像的主要优点包括：较好的软组织对比度，能够清楚地区别心脏内各种组织、肿瘤和组织变性；进行任意平面成像的能力；无放射性，无需注射或服用示踪剂；对血流具有较高对比度，还能够评价血流的流速、流量，所以MRI心脏成像能准确地显示其解剖、形态、功能、血流、心肌活性等。近几年实时三维US开始进入临床，三维US不仅能显示解剖结构的二维断层图像，而且可观察与断面相垂直的前侧和后侧结构的立体形态，对了解各个结构空间非常有效，通过软件辅助在三维数据选择任意适当的剖切平面，能获取各种结构的全貌，如瓣膜形态、开口面积等；采用用三维体显示或面显示方法对图像数据做三维重建显示可以直观展示解剖结构，减少了对超声科医生专业经验的依籁。心脏影像设备的进步带来海量的图像数据，心脏成像通常是空间上的3D成像，在心动周期内随时间动态变化构成所谓4D数据。这使传统在观片灯上观察2D图像的工作方式出现问题。首先，4D数据很难以2D方式直观显示。过去观察静态投影或断层图像辅以空间想象的图像解读方法，面对高维动态心脏医学图像数据时比较困难；其次，只依靠放射医生的主观经验分析很难做到定量、可重复的提取具有临床诊断意义的信息，人际差别、可重复性、工作效率等都限制了现代影像设备在心血管检查临床实践中的充分应用。虽然部分新设备也带有简单的图像分析软件，但是它们一般是利用简单的几何模型，提供传统全局参数粗略估计。开发新的计算机辅助分析工具提取海量医学图像中客观、定量、有临床意义的诊断信息来辅助医生诊断成为必然趋势，而对心脏图像中各种解剖结构尤其是左心室的分割则是心脏医学图像分析在临床应用的重要瓶颈之一。图像分割是图像处理中最重要、基础也是研究内容最为广泛的领域之一，研究者曾提出过基于不同理论框架和不同图像特征的图像分割方法。图像分割技术的成功应用与其处理对象和应用领域密切相关。心脏医学图像有其固有特点，必须结合图像分割理论、具体医学图像特点以及感兴趣的解剖结构来研究有效的心脏医学图像分割算法。本文针对心脏MR和US图像，在计算机辅助心脏医学图像分析方面上做了以下工作：一)提出了一种知识引导下的广义模糊几何动态轮廓线分割算法（generalized fuzzy active contour model，GFACM），结合基于水平集框架的概率形状模型整合医生手动分割结果形成的训练集引入先验知识，实现了对心脏MR图像左心室内壁的鲁棒分割。从MR心脏三维动态序列图像中快速精确分割左心室内边界是计算机辅助图像分析和心功能诊断的重要前提步骤。由于心脏快速非刚性运动、软组织低对比度和快速成像序列物理原理等各种原因，心脏MR图像的心室边界比较模糊，动态轮廓线算法算法不能很好的定位心室轮廓边界；一般的基于灰度概率和曲线演化的方法也很难保证分割结果的鲁棒和精确。图像的梯度矢量流（gradient vector flow，GVF）扩大了曲线演化的动态范围，使曲线可以搜索到非凸边界。通过把边缘信息以梯度矢量的形式向外扩散，GVF为动态轮廓线提供更大的形变动态范围。考虑到提取正确地图像边缘信息是计算梯度矢量流的关键，通过对传统的GVF扩散方程通过引入广义模糊算子（generalized fuzzy operator，GFO）算子，改善了噪声环境下几何动态轮廓线的动态范围和准确捕捉目标边界的能力，将改进GVF场引入几何动态轮廓线模型（geometric active contour model，GACM），改善了边界搜寻动态范围，并且具有较强的抗噪和模糊边界定位的能力。另外，研究表明在分割模型中整合解剖结构和医生经验的先验知识，可以提高分割结果对噪声和模糊边界的鲁棒性，改进计算效率。我们利用人工分割训练集在水平集框架下构建了概率形状模型，将先验知识引导整合到上述曲线演化过程中，成功实现了对MR左心室内壁的鲁棒精确分割。对多套临床心脏MR图像数据的实验结果显示，分割结果和专家手动分割结果的距离在合理范围内。二)提出一种小波多尺度框架下的水平集曲线演化算法，实现了对心脏超声图像左心室内壁的鲁棒分割。由于成像物理特性的原因，US图像的信噪比较低，而且由于斑点噪声（speckle noise）的存在，超声图像的灰度分布被认为是非高斯的，所以传统的基于高斯模型的图像分割方法不能解决心脏超声图像分割问题，而经典动态轮廓线模型是基于图像梯度的，由于超声中弱边界和断裂边界的存在，单纯的基于梯度的曲线演化很容易发生边界泄漏，这是传统基于图像梯度水平集演化的固有缺陷之一。2001年Tony针对这一问题引入基于区域灰度一致性的无边界信息动态轮廓线模型（Active Contour Without Edge），该模型具有分割结果鲁棒，对曲线初始位置不敏感的优点。但该模型成立的前提是图像区域灰度分布近似符合高斯分布，这个前提在原始超声图像中得不到满足。小波多尺度分析可以同时在时（空）域和频域上进行局部分解，是信号分析发展史上里程碑式的进展，被广泛应用于信号处理、图像分析、模式识别、计算机视觉等研究领域。由于小波基对信号的平滑和降采样的作用，超声小波分解高层的相邻低频系数之间的相关性降低，近似于高斯分布。而且小波分解高层，构成图像主要能量的灰度信息大部分得到了保留，斑点噪声大部分被抑制。这些特点提示可以在小波分解后不同尺度的低频近似图像中采用不同的分割模型，而设计分割结果的尺度间传播，利用低分辨率尺度图像的分割结果来约束高分辨率尺度图像中的曲线演化，从而得到稳健而精确的结果。为了实现在心脏超声图像左心室的鲁棒分割，算法在小波分解最高层采用结合边界信息和区域灰度一致性的分割模型，综合利用区域灰度和边界图像梯度信息，在小波分解最高层的低频近似图像中可以得到比较稳健和精确的分割结果。在最高层得到粗尺度的大致左心室内壁轮廓曲线后，通过尺度间插值得到下一层低频近似图像的初始轮廓。为了继续细化左心室轮廓，必须继续利用当前尺度图像信息来推动曲线演化，但由于当前低频图像不再满足高斯分布，所以不能再用区域灰度的均一性来约束曲线的演化。但边界信息复杂，如果没有进一步的约束，曲线的演化又很容易发生边界泄漏而完全偏离初始轮廓。为了进一步细化和约束曲线的演化，引入不同分辨率下曲线形状的一致性约束，作为对精细尺度图像中曲线继续细化演化的约束，结合曲线尺度问形状约束和边界约束使分割结果在不断细化的同时，不致大幅度偏离粗尺度下得到的初始曲线。基于水平集分割的一个重要的问题是各种演化力权重参数调整。本文算法包含有三种曲线演化力：分别是区域力，边界力和层间约束力，怎么确定一个合理的权重系数是非常难的问题。通过在演化过程中，动态调节这几种演化力的权重，在演化的初期，应该尽量忠实于图像信息，也就是让基于图像信息的边界和区域的力占较大权重；而随着演化的进行到末期，层问约束力要起重要的作用，防止边界泄漏和大变形，保持层间的形状相似性。总结以上分析，心脏超声图像左心室分割算法的具体步骤如下：a)首先对超声心脏图像做小波分解，得到各层的低频图像。从小波分解的最高层层低频图像开始，利用边界和区域复合约束动态轮廓线模型寻找左心室内边界；b)通过插值将结果向下一尺度低频图像传递，并利用尺度间形状约束和边界约束复合动态轮廓线进一步细化曲线，使其符合局部图像特征，并随着曲线演化动态调整参数；c)向上逐层重复直至原始图像。由于采用了小波多尺度框架和尺度问形状约束，算法具有曲线演化结果稳健鲁棒，不易陷入局部极小和发生边界泄漏等优点，非常适合心脏超声图像噪声高、对比度低和边界灰度梯度不显著的特点。在实际临床三维超声图像上的实验表明，算法分割结果和人工分割结果的误差在合理范围内。三)提出一种心脏MR图像内外壁联合分割和时序追踪算法为了计算左心室质量（left ventricle mass，LVM）等重要心功能参数，在得到各层面左心室短轴像的内壁精确分割结果后，还需要对左心室的外壁做分割，外壁的边界和周围的组织在某些位置灰度分布非常接近，如果不加约束很容易发生边界泄漏，本文提出一种灰度和距离双重约束的方法，实现了左心室外壁的鲁棒分割。a)初始化和内壁分割：假设左心室是一个被切割椭球体，选择较小半径和轴长使切割椭球体位于图像中左心室的内部。选择其中某个时刻t₀的三维图像集I_：，t0，初始化各层面Z_i中的水平集函数，使其所包含曲线为对应层面上的截面圆，用第四章中的改进几何动态轮廓线算法分别在各层图像中进行演化，得到I_：，t0，各层面心室内壁的分割结果。b)心室外壁分割左心室外壁边界有特殊特点，某些方向灰度对比度很好，但某些方向就很微弱或几乎没有区别，不管是采用边界或区域灰度信息都很难区分。所以心室外壁的分割必须结合解剖结构先验信息如到心室内壁最近点的距离，来控制外壁分割曲线的演化。外壁分割以心室内壁分割结果为初始轮廓，曲线演化外力场的设计以较强的向外扩张膨胀外力为主导，用区域均值和曲线到心室内壁最近点的距离作约束，得到合理的心室外壁轮廓。具体方法是计算心室内壁向外邻近一个小环状区域的灰度均值m^e：如果演化曲线上的某点区域灰度不同于聊m^e，那么说明曲线演化达到或超出了心室外壁，应该停止或降低速度；如果外壁上的点离内壁上最近的点距离超过2.5cm，那么根据解剖知识曲线也应该超过了外壁区域，应该改变方向。由于内外壁之间的心肌组织区域灰度比较均一，而且心室内外壁距离一般小于2.5厘米，所以当曲线演化到最大距离之外，或者是局部区域的灰度均值不同于图像中心肌区域的灰度均值时，改变曲线演化方向或降低曲线演化速度。保证心外壁的分割结果满足先验知识的要求。c)时序追踪算法由于左心室内壁的运动在空间和时间上是一个连续的周期过程，所以在分割t₀时刻MR心脏图像各短轴层面上的心室内壁后，为了在时序上追踪内壁的连续运动，本节提出使用时序追踪算法来跟踪同一短轴层面上内壁运动过程。以I_Zi△0图像心室内壁分割结果为初始轮廓，向同一层面Z_i在不同时刻的图像I_Z，：扩展演化，得到I_Z，：上所有时刻的心室内壁轮廓。因为同层面的心室壁随时间的变化过程是平滑和渐进的，提出利用时间上相邻的各帧的改进GVF场(的高斯加权平均来得到当前帧的改进GVF场，同时利用该场和图像数据演化曲线，得到时间上相邻各帧I_Z，：的心室内轮廓，遍历所有层面Z_i后，再以得到内壁轮廓为起点，得到对应的心室外壁轮廓。四)根据心脏图像左心室内外壁分割结果，实现了心功能量化参数的计算计算机辅助心脏图像分析最终需要表现为具有临床意义的定量心功能参数。结合本文MR心脏图像左心室内壁分割算法和灰度和距离约束下的左心室外壁分割算法，构造心脏的三维模型，实现了各种量化的心功能参数的计算。