现在社会,罹患心血管疾病的人口越来越多,其中包括大量的心脏肥大,心脏供血不足的患者,究其原因都是心肌在物理上发生了病变导致心脏在供血机能上的紊乱。而心脏病变的直接表现就是在不同的心动期,心脏的四个心腔会产生不正常的形变。人们在日常的健康检查时多数会选择超声检查,因为就目前来说超声检查的价格相对于MRI等要低廉很多,并且超声生成的图像是无损的,更能准确的寻找出病变位置。所以基于超声影像的心内膜分割算法研究就显得尤为重要。传统的心内膜分割使用的是几何模型的方法,它将心腔划分成一个个规则的几何模型,通过计算几何模型的参数来确定心腔大小。这种方法的优点是计算简单,缺点是只能对符合正常心腔形状的病例有效,对于病变以后的心脏误差特别大。本文提出一种全自动可靠的心内膜分割算法。首先根据超声图像的固有特征对图像进行预处理,包括降噪和平滑等,然后利用图像灰度直方图中的单峰来确定心腔灰度值,以及使用最大熵方法来确定心肌灰度值。进行心内膜分割的时候,根据寻找到的心腔灰度值来确定fast marching的初始区域,然后根据多种因素以及限制条件来进行心内膜的分割。对图像序列进行处理时,将中间切片的最终心腔区域作为其他切片fast marching初始区域选择的参考,有效地防止了心腔的误分割。本文完全根据临床上的需要,在3D超声影像上做患者的心内膜分割,完全根据影像信息尽量快速准确的分割出患者的心内膜3D信息。从而给医生在诊断上提供良好的依据。实验结果表明,本文算法的心内膜分割结果比传统的几何模型方法更接近医生的手动分割结果。综合各种患者心脏3D超声影像,本文算法的准确度接近93%。在临床诊断上具有极高的应用价值。