对于心肌梗死患者,磁共振延迟增强序列是一种可以直观地对梗死区范围进行观察的技术,在疾病诊断、治疗方案制定、治疗效果评价以及预后评估等方面都发挥着重要作用。要通过延迟增强序列对心肌活性进行定量评估,首先必须对心肌进行分割。然而,延迟增强序列影像中的心肌自动分割是一个非常具有挑战性的课题,其主要困难在于:心肌灰度分布的异质性、心肌与周围组织之间缺乏明显的对比度以及心肌梗死情况的复杂性。本研究的目标就是通过构建自动分割算法,实现心肌梗死患者延迟增强影像中心肌的准确分割。主要工作和研究成果包括:1)构建了基于多组分高斯混合模型以及耦合水平集的分割框架。该方法使用多组分高斯混合模型对心肌灰度分布的异质性进行显式地模拟,将不均匀的灰度分布转换为相对均匀的概率分布,在此基础上进行心肌分割;使用了耦合水平集方法,加入耦合驱动力以引入心肌厚度相对均匀的先验知识,从而克服心肌与周围组织灰度分布重叠、边界模糊的问题,指导心肌的分割;使用了图谱配准的方法来初始化分割框架,以利用人体解剖结构的先验信息。2)构建了基于有引导的随机游走以及稀疏形状模型的分割框架。该方法使用了有引导的随机游走算法来实现用自然的方式处理分割区域内部异质性;使用了基于稀疏表示的形状模型,并利用公共数据库中的数据进行心肌形状的建模,以引入更强的形状约束,实现精确、稳定的分割。3)构建了有配准误差补偿的双序列联合心肌分割框架。该方法结合延迟增强图像和T2加权图像中的互补信息进行联合分割,将心肌形状作为可在不同序列间共享的信息,同时考虑到存在配准误差的情况,引入了误差补偿项;并且使用了生成对抗网络进行初始化,以解决图谱配准消耗时间较长且对心尖初始化效果较差的问题。本文共收集了33套心肌梗死病人的磁共振影像数据,并对三种方法在延迟增强序列上的分割结果进行了测试,分别获得了72.22±6.49%,74.31±7.98%和78.13±6.22%的心肌Dice相似性系数,与不同观测者间差异相似,具有临床应用的潜力。