医学影像技术在心脏疾病临床诊断中扮演着重要角色。从图像序列信息中,恢复出心脏尤其是负责供给含氧血的左心室的运动状态,以及估计出心肌材料属性,具有重要的病理学研究价值和临床辅助诊断价值。在心肌材料属性研究方面,传统的方法一般采用有限元结合最小二乘法的方式来计算弹性模量等材料参数。本文提出了一种新的基于无网格技术和卡尔曼滤波技术的心肌杨氏模量重建方法:在已知节点位移和力边界的情况下,利用逆向无网格法结合卡尔曼滤波,计算出组织的杨氏模量。无网格法的优点在于它是基于节点的技术,不需要考虑节点之间的连接关系,而且能够方便地调节节点的采样分布以及局部插值函数,从而有效地克服了有限元法遇到的某些瓶颈问题。文中通过实验检验了该算法的正确性和有效性。以往大部分基于图像的左心室运动分析工作都是以确定的生物力学模型为前提的,事实上模型参数是无法事先确定的,据此提出把材料参数和运动量都看作随机变量,采用随机有限元法结合心脏生物力学模型的框架,来对二者进行联合估计。在推导出状态空间表达式后,利用扩展卡尔曼滤波法将系统线性化,从而同时估计出运动量和材料属性量的近似最优解。最后采用合成数据和人的核磁共振心脏图像序列数据进行了实验。结果显示该联合估计框架的估计结果可靠、准确,在临床辅助诊断方面具有广阔前景。