心脏疾病是目前危害人类健康的重要因素,也是当今社会主要的致死病因之一。心脏的扭转运动可以敏感地评价左室收缩功能,研究表明,心脏扭转的程度及形式在一些疾病条件下会受到影响。因而,研究心动周期中心肌的扭转运动对于心功能正常与否的判定极为重要,对扭转角度的测量能为临床提供非常有价值的诊断依据。本文从DICOM图像数据解析,左心室分割及轮廓跟踪,左心室轮廓上特征点的提取及匹配,左心室腔的三维重建与运动矢量投影分析几个方面着手,初步完成了一种基于图像处理技术的心脏扭转运动检测系统。实验证明该检测方法具有可行性,能够在三维空间检测心脏的扭转角度,突破了二维空间分析的局限性。系统中各模块的算法设计也具有一定的创新性和有效性,能够较好的满足课题研究的需要。本文的研究工作主要包括以下几个方面:①通过研读DICOM3.0标准,提取出了DICOM格式的医学文件中的图像数据和三维信息,解析出横断面,矢状面,冠状面的连续帧切片并转化为BMP格式的图像。②在比较了传统的梯度边缘检测算子检测效果的基础上,提出了基于改进的数学形态学的边缘检测方法,通过对不同形态学算子的组合,结合了多结构元和多尺度的特性,构造出了优良的边缘检测算子,较好地解决了边缘检测精度与抗噪声性能的协调问题,取得了比较好的边缘检测结果。实验证明,该算法能够在滤除噪声的同时,保持左心室边缘的连贯性和准确性,也为后续研究提供了较精确的边缘信息图。③采用改进的模糊C均值聚类算法、GVF Snake算法及Water Balloons Snake算法有效地进行了左心室的分割,准确地提取出了左心室壁的轮廓。模糊C均值聚类方法融入了模糊理论,包括灰度、梯度、位置信息,该方法既包括先验信息,又能灵活的区分难以分割的边界。基于主动轮廓模型的Snake分割算法,通过面积约束定位初始轮廓线后,根据能量约束自动逼近目标的真实轮廓,最终提取出的轮廓具有连贯性且较接近真实轮廓,很好的克服了由于医学图片信噪比低引起的左心室区域不明显,边缘与伪影混为一体而导致的分割困难问题,修复了因噪声造成的轮廓断点,使得轮廓更加平滑连续。同时能够一次完成连续帧切片的轮廓跟踪,比较适合于医学图像的自动分割,具有较好的研究价值。④实现了三维空间下序列轮廓切片上的特征点匹配,本文综合了几何特征点和具有解剖意义的特征点,提出了基于曲率与距离最大相似度的特征点匹配算法,能够较为准确的找到特征点在空间的对应关系,同时,本文提出了基于BP神经网络算法的一个心动周期中连续帧切片序列的特征点匹配,该算法也能根据少量匹配好的特征点,自动找到轮廓上其它各点的对应点,大大提高了计算效率。最后,通过控制点方程计算出了空间变换参数,得到了相邻时间序列切片上目标轮廓的扭转角度和位移矢量,从而跟踪了左心室的运动。⑤在Open GL平台上,采用基于轮廓拼接的表面三维重建算法实现了心室腔的三维重建及显示。初步研究了笛卡尔坐标系下正交投影关系用以重建空间位移矢量,探索了三维运动矢量的计算方法。实验证明,本文提出的基于图像处理的心脏扭转运动算法体系具有可行性,其中涉及的理论和算法具有一定的参考价值,期待后续研究进一步完善算法并能应用于临床分析及诊断。