成像技术已经在心脏疾病,特别是心血管疾病的诊断、制定治疗计划和指导介入治疗等方面得到广泛地应用。在获取心脏及其血管的图像时,由于心跳和呼吸而使心脏产生运动,导致图像中产生伪影,影响疾病诊断的准确性和介入治疗的效果。其中心脏运动伪影可以通过心电(electrocardiogram,ECG)门控技术进行抑制。呼吸运动比较复杂,是指通过胸廓有节律地扩大和缩小来完成吸气和呼气,会引起心脏在三维空间中的整体平移,严重影响心脏图像的获取。本文在综合分析心脏图像序列中呼吸运动伪影的产生机制和表现形式的基础上,对在自由呼吸条件下采集的、完成了心脏运动伪影抑制的图像序列,分别采用门控法和直接补偿法进行呼吸运动伪影的抑制和补偿。其中,门控法是采用流形学习(Manifold Learning)方法,通过对图像序列进行降维处理,找到高维图像数据中隐藏的呼吸运动变化规律,从图像序列中选择出相同呼吸相位处的图像,组成门控子序列。直接补偿法是通过建立心脏或者冠状动脉血管壁在呼吸周期中的刚性运动模型,直接补偿运动分量,达到抑制呼吸运动伪影的目的。该方法不需要抛弃图像序列的有用帧,有利于血管信息的获取。对临床采集的冠状动脉内超声图像序列和光学相干断层扫描图像序列的实验结果表明,采用本文方法可以有效地减少心脏图像序列中的呼吸运动伪影,提高图像的视觉效果,辅助冠心病的临床诊治和指导介入治疗。此外,本文对呼吸运动模型法进行了理论的初步研究,为今后利用呼吸运动模型抑制呼吸运动伪影奠定了基础。