左心耳是左心房上一个附属结构。由于其特殊的形态结构,导致部分人群的左心耳内部容易出现血栓。血栓一旦脱落对病人会造成致命威胁。目前临床上最佳解决方案是采取左心耳封堵术来实现治疗。这一过程对左心耳的尺寸、形态等信息的把握是手术成功的重要依据。目前在临床上,医生对患者的病情掌握主要依赖于各人的临床经验。繁重的工作给医生来带误诊的风险,通过计算机实现左心耳智能诊断是医生的迫切要求。经过前期的研究调查,我们发现在分割研究领域关于左心耳的分割还较少。为此我们研究寻求一种可靠高效的左心耳分割算法。通过对现有的图像分割算法进行研究,我们发现现有的算法不能很好的实现我们的要求。我们通过对CT图像的灰度直方图进行高斯拟合,得到左心房的分割阈值。通过阈值分割得到包含心脏左腔的点集。然后,以此为基础提取模型的外表面并将其网格化,我们得到心脏左腔的网格模型。我们依据网格模型的形状直径函数(SDF)与模型的测地距离(GD),由形状直径函数驱动分割曲面扩张,测地距离控制曲面收缩,对模型进行分割。实现了左心耳的自动分割。我们的分割算法分割出的结果相较与医生提供的参考标准,经过多组测试后,我们得到我们的算法分割结果偏差率在-1.4%～2.1%之间,偏差均值为-0.4%,标准差为0.031。获得了较好的分割效果。经过与相关临床医生沟通确认,我们的分割结果具有很好的精确度,对临床分析有较好的帮助。