心脏是人体核心器官,对心脏形态（如左心室位置,心脏关键组织体积）以及心肌运行情形进行评估可使医生快速、直观地获得有价值信息,从而判别心脏健康情况。为此,临床医生或解剖学专家需对心脏影像逐一手工标记获得心脏各组织,此过程是枯燥且耗时的。计算机辅助心脏影像分析作为医学影像分析的一个分支,可将医生从手工标记中解放出来,已成为国内外研究热点。在这种背景下,本文基于深度卷积网络、医学影像配准、字典学习等技术,开展了心脏MRI（Magnetic Resonance Imaging）中左心室检测、心脏关键组织（左心室心肌、左心房、左心室、右心房、右心室、主动脉、肺动脉）分割、心肌运动多层次可视化等心脏影像分析方法研究。本文主要研究内容及创新成果如下:在左心室检测方面,针对心脏MRI中左心室形态、尺寸变化大,且部分为小尺寸区域,提出结合判别字典学习与序列跟踪的CNN左心室检测方法。所提方法通过判别性字典学习结合SLIC算法与序列跟踪（针对同一个体）形成两种左心室区域尺度适应性锚点生成方法,将生成适应性锚点加入RPN（Region Proposal Network）与Proposal Layer,经回归与分类实现左心室检测。在心脏关键组织分割方面,针对心脏MRI中组织器官分布复杂、排列紧密,部分器官区分度低、尺寸跨度大,边缘轮廓不清晰等问题,提出基于双注意力机制与度量分类结合的两阶段CNN分割方法。在粗分割阶段,所提方法结合Log-Gabor滤波器多层级特征与通道注意力机制增强原图,引入双注意力网络机制生成粗分割结果。在精分割阶段,采用度量分类网络对分割边缘进行优化。在心肌运动多层次可视化分析方面,针对心脏MRI图像序列空间不对齐,心肌运动尺寸变化不均匀,各区域运动差异大,心肌AHA17分节标注效率低等问题,提出基于影像配准的心肌运动多层次可视化分析方法。所提方法通过旋转、缩放、扭曲等多种变换方式模拟心肌复杂运动过程,使用信息度量准则评估图像相似性以获取心肌运动变形场。采用所提方法构建了心肌AHA17分节标签,多层次、多视角可视化分析心肌运动位移场。本文方法在心脏MRI数据集进行实验,验证了方法的合理性与有效性,与相关方法对比中,表现出较优性能,在临床中可辅助医生判别心脏健康情况。