左房壁瘤体积的准确估算在肿瘤的早期诊断和治疗计划中是一项具有实际应用价值的课题。然而由于左房壁瘤通常具有形态变化大、边界不明显以及与周围环境对比度低等特点,所以对左房壁瘤的分割无论对于人工或者计算机来说都是一个挑战性的工作。因此,论文提出了一种不需要分割或者三维重建步骤的新颖的体积直接估算框架,来克服分割所带来的这些缺点。利用计算机辅助技术精确地估算左房壁瘤的体积,可以极大的减少医生的工作量,并且能够为医生提供有价值的临床诊断信息,具有十分重要的临床价值。为了克服房壁瘤的形态不规则和周围环境复杂性,论文提出了基于多尺度三维形态学梯度的稀疏编码特征提取方法和一种新颖的多视图半监督流形学习算法。在第三章中,本文提出基于多尺度三维形态学梯度的稀疏编码特征提取方法,这种方法能够充分利用左房壁瘤CT图像三维结构信息获得三维形态学梯度,再结合稀疏表达进行无监督自主特征提取,从而获取更为本质的特征。基于获取的特征,在第四章中提出了一种新颖的多视图半监督流形学习算法对体积进行直接估算,它能够融合多视图特征并且充分利用监督信息和未标记样本生成区分度高和鲁棒性强的房壁瘤图像特征表达。然后基于房壁瘤图像的特征表达,利用随机森林模型直接估算房壁瘤体积。最后,论文提出的方法在67套临床数据(共包含1220张图像)上进行验证。实验结果表明论文提出的左房壁瘤体积直接估算框架与标准体积相比,能够达到0.912的高相关系数。同时,通过和其它不同类型的房壁瘤体积估算方法比较,表明论文的方法在准确率和相关系数上都具有较多优势,显示出提出的方法在临床实践中的潜在应用价值。