心血管疾病(CVDs)一直以来都是全球人口死亡的最主要原因。心血管疾具有病发病急、隐蔽性强、死亡率高的特点,加强对心血管疾病的早期检测和诊断变得愈发重要。左心室在心脏运动中有着重要作用,它具有厚实发达的心肌,可以为血液循环提供动力,反映了心脏的供血能力的强弱,可以为诊断提供参考依据。因此,精确计算左心室的形变函数对临床诊断有着重要参考意义。在心脏运动估计方法中,确定心肌层轮廓点之间的对应关系非常重要。图匹配作为一种模式匹配方法,在计算匹配关系时,将待匹配的关键点看做一个图结构,同时考虑了点间和边间的相似性,匹配结果更加鲁棒。图匹配对于初始条件要求比较低,非常适合解决心脏运动估计中的点对应关系问题。在做图匹配之前,最为关键的步骤是提取左心室的轮廓点集。通常我们用图像分割算法来提取目标区域的轮廓关键点,但是,由于在心脏图像中,目标边缘往往受到信噪比、体容积效应等因素的影响而形成弱边界,使得心脏左心室的分割成为一个难点。针对这个问题我们提出了基于模板匹配的左心室分割算法,首先利用已有的专家标记数据提取出左心室标准模板库,并对每一个模板做降采样、归一化、向量化处理;利用稀疏表示算法来衡量候选区域与模板库的相似度;采用粒子群算法构建多个候选区,通过多次迭代修正粒子向量,调整对应候选区的轮廓,找到最优粒子,通过凸包估计即得到我们要分割的心脏左心室区域。在左心室轮廓上构建图结构,利用图匹配方法估计轮廓点之间的对应关系。然而,传统的图匹配模型是一个二次规划模型,难以优化求解且计算复杂度高。针对这一问题我们提出了一种具有凸的代价函数的图匹配算法CGM,我们的CGM模型在经过简单松弛后可以得到一个具有严格的凸函数性质的代价函数,易于求解。为了使得松弛后的解自然的逼近原问题解,我们给CGM模型添加了仿射约束和稀疏约束。本文采用了交替方向乘子法(ADMM)求解,将原问题分解成三个目标函数的最小化问题,然后对三个变量进行交替优化,直至得到最优解。针对左心室运动估计问题,提出了基于图匹配的左心室运动估计算法。在33个儿童心脏数据上与现有最先进的算法做对比,在绝大多数数据中,CGM的精度要明显优于SMAC,IPFP,PM和FGM等对比算法。在较坏条件下,依然可以保持理想的匹配精度,具有良好的鲁棒性。我们的方法相比现有的图形匹配算法在估计LV轮廓之间的对应关系时更加鲁棒,在计算运动估计时精度更高。