医学影像分割在如今成为一门重要的图像分割技术,量化右心室的医学图像评估其功能对梗塞心力衰竭、心肌肥厚等心脏疾病的诊疗及预后具有十分重要的指导意义。本文结合心脏的解剖学知识,利用水平集理论实现对右心室的精准分割,基于U-Net网络提出改进模型,搭建心脏特征点检测网络,最后通过公开的数据集对本文的分割方法和提出的特征点检测网络进行实验验证,通过几个关键评价指标说明本文的算法有效性。本文主要采用的是水平集算法对心室区域做分割,水平集函数的初始化是一个重要的工作,构造好的初始化函数能够减少水平集的迭代时间,提高水平集的演化速度。根据基于区域的分割算法提出初步分割的方案,力求使用简单方法来构造初始水平集。小梁和乳头肌附着在心内膜上,从医学成像结果上看,小梁等结构的灰度和心肌相似,进行分割的过程中,会错把这些结构当成心肌,实际上在医学领域中是把这些结构归类到心腔区域的,本文改进保凸水平集模型,重新定义了保凸项符号函数,并针对右心室有部分区域向内凹陷的特点,在使用保凸模型分割的过程中,右心室的部分曲线会发生泄露,在水平集能量项引入形状约束项,以此来约束右心室的演化范围,并通过公开数据集验证该算法能够准确的分割右心室。水平集初始化的获取一直是个难题,在分割流程中难免需要人为手动干预,因此水平集方法难以实现全自动分割。针对这一问题,本文基于U-Net模型做出改进,提出一种准确的特征点检测技术,用像素级别的分类器去检测特征点区域,然后利用检测出来的特征点位置信息结合形态学方法获取关键区域,自动截取心脏区域用以初分割,初分割结果是包含右心室区域的多个连通区域,再次利用特征点信息获取右心室区域来构造初始水平集函数,最后精准分割右心室区域。引入特征点实现了右心室全自动分割。