心血管疾病已经成为全世界发病率最高的疾病，严重威胁了人类的健康。医学成像技术的飞速发展，使得心血管疾病的临床诊断手段越来越丰富，精度也越来越高。目前主要的诊断方法包括:心电图、心脏超声、MRI、CT、冠状动脉造影、放射性核素检查等。　　超声成像凭借其非侵害、低成本、诊断便利以及实时显示器官和组织运动的优点，目前被用作诊断心脏疾病和评价心脏功能的重要依据。基于心脏超声图像的分割能够将心脏轮廓线等有价值的信息提取出来，进而帮助医生提高诊断的效率和准确率。同时，心脏超声图像的分割是运动估计与分析的基础。　　主动形状模型(ASM)方法以及水平集方法是两种经典的分割方法，在心脏超声图像的分割中也有广泛的应用。然而，由于超声图像分辨率低，并存在很多噪声，使得对于心脏超声图像的分割面临着不少困难。ASM方法需要手动标记landmarks，使得算法自动化程度不高，而且鲁棒性不好。水平集方法对于初始零水平集的设定很敏感，而且对于噪声较多的超声图像分割效果并不是很理想。同时，由于心脏运动的复杂性以及房室间瓣膜大幅度的开闭运动，都给心脏超声图像的分割带来了很大的挑战。　　鉴于传统方法在对心脏超声图像进行分割时容易受到心脏复杂运动情况干扰以及效率偏低的问题，本文将ASM形状模型加入到了水平集方法的能量函数的构造中。基于ASM形状模型改进的水平集方法，由于存在ASM形状模型的约束，能够减小噪声对于分割结果的影响。同时，由于水平集自身的优势，使得改进的方法对于边缘信息的处理更好。最后，本文基于改进的方法的分割结果，对于心脏四腔室的同步性进行了估计。