主动脉瓣作为心脏四大瓣膜之一，在血液循环系统中起着重要的作用。但是，近些年来主动脉瓣狭窄逐渐作为一种非常多见的心脏瓣膜疾病出现在医生和病人面前，对病人心脏的供血功能有极大的危害。针对主动脉瓣重度狭窄的老年人群，因其年龄大、体质弱等而无法实施外科开胸手术治疗方案。经导管主动脉瓣置入术则是新兴的无需开胸的治疗主动脉瓣狭窄的技术。针对该手术无需开胸的特点，医生需要通过术中影像的引导来实施人工瓣膜的植入。因超声影像检测具有费用低廉、安全可靠、操作简单等优点，同时因其较好的实时捕捉动态瓣膜结构的能力而成为了术中诊断主动脉瓣膜疾病以及判定瓣膜狭窄程度的重要手段。在基于超声影像检测的主动脉瓣的临床诊断和治疗中，需要通过图像分割来提取主动脉瓣的信息，其中一项重要的手段就是图像分割。图像分割结果的好坏直接影响主动脉瓣结构的定位分析和图像引导手术的准确性。　　然而，目前对主动脉瓣二维超声图像的分割问题的相关研究成果非常少。因此，研究并实现一个能实时分割主动脉瓣二维超声图像序列的算法是经导管主动脉瓣置入术的迫切需要。　　基于如上所述的研究背景，针对主动脉瓣二维超声短轴切面的图像序列，本文提出并实现了经GPU加速的基于连续最大流模型的实时分割方法。　　在介绍此方法之前，本文先叙述了关于图论的知识，以及相应的福特-福克森方法、压入与重标记方法、双向搜索树法和最大流算法在图像分割中的应用。接着，在上述基础上，本文着重介绍了能够克服网格偏置的连续最大流模型。之后从概率函数的构建、相似度的计算以及能量函数的构建三个方面介绍了模型的设计：　　1）概率估计的构建。针对主动脉瓣二维超声短轴切面序列的先验图像，先进行手动分割获得目标区域，然后基于改进的概率估计方法，分别构建综合概率估计和单独概率估计，同时计算每帧先验图像最具有代表性的前景区域灰度值和背景区域灰度值。　　2）相似度的计算。针对任意待分割帧，分别计算其与各先验图像的相似度，根据相似度测量值寻找与其最匹配的先验图像。　　3）能量函数的构建。针对任意待分割帧，基于连续最大流模型，利用与其最匹配的先验图像的最具有代表性的前景区域灰度值和背景区域灰度值分别构建数据项和平滑项，从而实现对图像的分割，同时采用GPU加速，加快了本课题提出的方法的运行速度。　　为了评估本课题提出的分割方法的精度和时间效率，本文介绍了相关的数据实验。本课题应用经GPU加速的基于连续最大流模型的分割方法，对3例经胸壁超声心动图和30例经食道超声心动图共计2502帧图像实现了有效的分割，具有较好的精度和较高的鲁棒性，同时运行速度较快，证明了本文提出的分割方法能实现对主动脉瓣二维超声图像序列的实时分割。