根据世界卫生组织和中国心血管病最新的报道,心血管疾病已成为人类死亡率最高的疾病,而且发病率日益提高。所以,心血管疾病的预防、诊断已迫在眉睫。目前,医学成像技术已成为诊断治疗心脏疾病的一个辅助手段,而心脏核磁共振图像凭其无创性和适合软组织等优势,成为临床医生诊断治疗心脏疾病的主要手段,可通过心脏核磁共振图像中左心室的分割进行定性及半定量诊断。然而,在临床中,通常靠有经验的医生进行手动分割,该工作不仅具有主观性,而且费时费力。因此,基于核磁共振序列的左心室自动分割成为医学图像处理的一个研究热点。本论文基于短轴CMR图像的左心室自动分割作为研究主题,从以下三个方面展开研究:感兴趣区域提取、LV内膜自动分割提取和LV外膜分割提取。旨在设计出准确、稳定的LV全自动分割模型来克服实际存在的LV分割难点和现存分割方法的不足。本论文的主要结果和结论如下:1.为节省运算空间和时间,保证后续分割的精度,主要研究了感兴趣区域的提取,本论文提出了基于支持向量机的心脏短轴核磁共振图ROI自动提取算法。该算法首先将MICCAI 2009不同病例库中选好的差别较大的单张CMR图像进行扩展,将扩展后的图像分割成9块107×107大小的图像块,在图像块中分别选取40个正类样本和40个负类样本,然后提取正负类样本的特征来训练分类器,用训练好的分类器来自动提取预分割图像的ROI。实验结果表明,本文提出的算法提取ROI准确率可达100%。2.针对基于传统水平集的算法无法分割灰度不均匀的CMR图像问题,本文提出了基于改进水平集和形态学相结合的内膜分割新模型。该模型采用从中间层到顶层、基层的方向进行分割,以此来分两种情况处理存在和不存在LVOT现象的基层图像。对于单层图像,针对CMR图像存在灰度不均匀问题,采用改进后的水平集在内膜轮廓演化的同时去除偏移场。该模型的具体流程是:首先在ROI上设置初始轮廓,其次用改进后的水平集进行内膜轮廓演化,然后用先验知识和形态学运算定位出血池区域,此时根据是否存在LVOT现象,分两种情况进行后续分割工作。该方法在MICCAI2009不同病例库上做了测试,测试结果表明:本章LV内膜分割算法准确率高、对于存在灰度不均匀现象的CMRI分割效果好、分割结果稳定和普适性好。3.针对在原始CMR图像ROI上用FCM算法无法得到准确的聚类结果,从而无法准确分割LV外膜的问题,本文提出在去除偏移场后的ROI上进行聚类。该方法在去除偏移场的ROI上用FCM算法聚类,得到三类正确的结果:心肌、血池和背景区域。接着结合先验知识和形态学运算得到左心室外膜。实验表明:本文提出的新模型可以对灰度不均匀的CMR图像进行聚类分割,该模型提取外膜准确率高。