随着生活水平的提高和人类预期寿命的延长,心血管疾病已经成为人类健康的头号杀手。受老龄化、性别比例失调、空气污染等因素影响,我国人民面临较高的心血管疾病发病风险。因此,中国迫切需要发展心血管疾病早期诊断与评估技术,解决日益增长的心血管疾病给有限的医疗资源带来的巨大压力。迅速发展的医学成像技术,给心血管疾病诊断带来新希望的同时,也增加了传统诊断方法的阅片负担。借助医学影像处理技术,研究心脏组织分割与可视化关键算法,进而定量分析心脏的功能参数和形态变化,对降低心血管疾病死亡率,提高生活质量意义重大。鉴于以上研究意义和当前研究现状与技术积累,本文重点尝试解决领域内的难点与挑战,针对心脏成像、心脏影像去噪与偏移场校正、心室分割与心功能分析、心脏冠状动脉分割及狭窄检测、心脏可视化提出改进方法,努力在其中一两个领域提出新方法并得到较好结果,为我国相关领域发展提供技术积累。本文主要研究以下内容：(1)为了提升Cine MR PROPELLER重建算法时间性能,本文提出基于CUDA加速PROPELLER伪影校正和均匀重采样算法的方法。实验发现,加速数据驱动的均匀重采样算法时存在数据写入冲突。为解决此问题,本文提出网格驱动的均匀重采样算法,并基于CUDA实现该算法的加速。实验证明,保证加速后算法结果正确的前提下,加速后伪影校正算法时间性能提升6.5倍,均匀化重采样算法时间性能提升10倍。(2)传统去噪算法将噪声和影像中微小细节等同对待,消除噪声的同时也会扭曲影像的结构信息,从而产生新伪影。本文提出3D+T Non-Local去噪算法,并基于CUDA技术改进算法时间性能。实验证明,本文提出的去噪算法在去除影像噪声的同时,能够保证影像中心室的弱边界信息和原影像的灰度分布。结果表明,加速后算法性能提升近150倍。(3)为了实现左心室的精确分割进而准确计算左心室功能参数,本文提出基于双层水平集的分割左心室方法。该方法用同一水平集函数的两个水平集曲线表示心室内膜外膜。内外膜曲线由于能量函数中的距离正则化项的作用而相互拉扯,从而保证它们之间的距离变化与左心室解剖结构保持一致。实验证明,本文提出的方法不需要配准和训练就可以分割灰度不均匀的心脏影像,并且可以保证分割结果符合左心室的生理解剖结构。对比分析证明,本文提出的左心室分割方法与参加MICCAI比赛的其它算法相比分割结果精度最高。为提升水平集方法的时间性能,本文采用CUDA技术加速了提出的左心室分割算法,并在Tesla 1050C环境下获得了15倍的速度提升。(4)考虑到心脏CTA影像的灰度不一致性和冠状动脉的弱边界性,本文提出-种基于边界和区域信息的水平集方法来分割心冠状动脉。实际上,该方法是DRLSE和RSF水平集方法的混合模型。实验证明,本文提出的方法,可以充分利用两个模型的优势,达到分割冠状动脉树的目的。为了提升冠动脉分割算法的时间性能,本文采用CUDA技术在Tesla 1050C环境加速了提出的分割算法,并获得了12倍的速度提升。利用得到冠动脉分割结果时水平集函数的性质,本文提出以水平集函数的局部最小值位置来估计冠状动脉中心路径,沿中心路径方向依次计算相交面的面积、最短路径和半径,再通过回归分析估计三个参数对应的“健康”数值,最终由回归分析前后数据差相对于“健康”数值的百分比来定位狭窄并进行等级评定的方法。实验证明,本文提出的方法可以用于检测冠动脉狭窄并达到定量分析狭窄程度的目的。(5)为了减少基于纹理映射的可视化方法对GPU显存的占用,本文提出基于二维纹理映射的心脏可视化方法。该方法将体数据沿三个轴向绑定为三个二维纹理对象,大大减少了所需的显存空间。交互操作过程中根据视线方向实时切换用到的纹理对象。该方法对绘制硬件的要求较低,向下兼容性好。实验证明,本文提出的基于二维纹理映射的心脏可视化方法是正确的,且重建速度和质量均满足临床需求。为了实现心脏的实时动态重建,本文提出基于动态纹理映射的心脏4D实时绘制方法。该方法一次性将所有体数据各自绑定为一个纹理对象,绘制过程中按心电图门控信号实时切换纹理对象实现心脏的动态绘制。实验证明,本文提出的基于动态纹理映射的心脏4D实时绘制方法均是正确的,且重建速度和质量基本满足临床需求。综上所述,本文围绕心脏成像、心脏影像预处理、心脏组织分割与功能分析和心脏可视化开展研究工作,分别提出了改进的影像处理分析方法,并在心室分割领域取得了领先的研究成果,为我国相关领域的发展提供了技术积累。