近年来，随着人民生活物质水平的提高，心血管疾病已经成为当前人类死亡的主要原因之一，而通过医学影像技术来获得心脏图像，以进行分析、诊断心脏疾病，已经成为重要的临床诊疗手段。超声诊断技术由于其成像迅速、对病人无痛苦等优点，超声心动图逐渐成为一种具有一定实用性的运动分析技术。　　 近几年来随着斑点跟踪技术的进一步发展，国外很多的研究人员和学者把这项技术作为一个新的研究方向。斑点追踪技术就是在二维超声图像的基础上，追踪斑点的运动情况，并跟踪其在每一帧图像上的位置变化，从而标测出不同帧图像心肌运动轨迹。异常的心肌运动在临床上具有早期发现的重要价值。　　 本文主要是根据心脏左心室的二维超声图像运动视频，先分解为心脏左心室的二维超声图像运动序列，再对心脏超声图像进行边缘提取，确定跟踪区域。然后通过跟踪这些长轴图像中心室壁区域斑点信息，来统计出心肌组织各节段的运动情况。主要工作内容分为两个部分：　　 第一步，对心脏超声图像进行分割，从而得到左心室心肌的内外轮廓，反映出心肌运动区域。根据超声图像噪声大、心肌斑点和噪声斑点在图像上反映为同一类型的信息这个特点，本文实现了GVF-Snake模型算法，发现它能很好的克服超声图像的灰度不均匀性。一方面将超声图像迭代生成梯度场，通过设置5个初始化点，演化后得到左心室心肌区域。通过实验结果表明，该方法在处理超声图像这种噪声较大的图像时效果较好，可以较好地克服灰度不均匀性和噪声，从而确定心肌运动区域，作为下一步的斑点跟踪的限制条件。　　 第二步，斑点跟踪和位移计算。根据超声图像特点，引入图像处理中经常使用的图像配准方法，通过正方形-十字搜索算法来遍历待配准点的邻域，比较邻域内像素灰度值，计算出相关系数。利用改进的配准算法得到每个斑点对应的匹配点，从而可以得到斑点随时间变化在不同图像中的位置变化情况，这样就可以计算得到位移。将心室壁区域分为六个节段，统计出每个节段的平均位移情况。从而可以反映心肌组织在心脏舒张期和收缩期时的运动情况。　　 利用这些算法，本文作了一系列的实验，论证了该方法具有一定的可实施性，对运动分析所得参数也具有一定的可信度。