心血管疾病具有很强的隐蔽性且发病急,是当今全世界发病率和死亡率最高的疾病,因此,疾病初期的诊断和预防尤其重要,而作为临床诊断的重要手段和依据的基于医学图像的心脏功能分析也因此成为学术界的研究热点。临床上只有心肌运动正常才能确保心脏功能正常,而心肌异常常表现为心肌运动减弱,加剧或运动异常,现有的方法由于缺乏有效的判定依据,只能把运动明显减弱的区域判定为疑似病变区域。因此,本文针对现有方法的不足,在运动参数计算和统计分析的基础上构建了一个基于运动参数统计概率模型的判别函数,利用该判别函数能有效地判定心脏运动状态是否正常。本文的主要工作和取得的成果如下:(1)在分析现有的心脏参数的基础上,笔者发现基于心脏图像的运动参数能够很好地描述心脏的局部运动,反映病变早期运动状态的微小改变,更具有临床诊断价值,因此,本文据此建立了心脏点分布模型用于运动参数计算;(2)采用三次样条插值方法较好地恢复了在图像拍摄过程中因时间间隔丢失的信息,还原了心肌点整个心动周期的运动路径,并推导了心肌速度、加速度和本文新提出的运动参数—心肌运动幅度等三个参数的估算方法,从理论上分析了基于图像的心肌运动幅度参数能较好地反映因心肌颤动引起的运动异常;(3)采用ASM方法从正常心脏图像中提取数据构建分析样本集,在剔除分割和估算过程中产生的错误点后对样本进行了统计分析,确定了运动参数值的概率模型,最终利用寻优方法完成了判别函数的设计;(4)利用设计完成的判别函数对两组存在病变的心脏图像进行计算和判别,结果证明该判别函数能有效地判别出心肌运动异常区域。同时本文将判定为异常的区域重新回投到二维切片图上,并标注出其具体位置。临床医生借助该回投标注技术可以大大地减少图像的阅读量,同时通过观察回投所在的原始二维切片图能够获得更多信息进行正确诊断。综上所述,本文的研究表明基于心脏运动参数的统计分析方法能为心脏疾病的诊断尤其是疾病早期的诊断提供强有力的依据。如何拓展用于统计的心脏运动参数样本和优化统计工具,进一步将心脏疾病的量化与图像的量化相结合,设计出更加符合临床诊断需要的辅助诊断系统,帮助临床医生有效地进行诊断是今后的一个研究方向。