郑南南，黄 钢，林剑圣

（1.上海理工大学医疗器械与食品学院，上海 200093；2.上海健康医学院，上海 201318）

0 引言

心血管疾病（Cardiovascular Disease，CVD）是全球最常见的非传染性疾病［1］。我国心血管疾病发生率与死亡率正处于上升阶段，其中死亡率位居各类疾病首位［2］，如何有效预防和诊疗心血管疾病成为重大公共卫生问题。

左心室射血运动为全身输送营养物质，是心脏功能的重要组成部分，异常的左心室运动提示可能患有心血管疾病，如冠脉梗塞引起的心肌供血不足会导致左心室射血无力。先进的医学成像技术，如心脏超声（Cardiac Ultra⁃sound，CU）、计算机断层扫描（Computed Tomograph，CT）以及心脏电影磁共振成像（Cardiac Cine Magnetic Resonance Imaging，CCMRI）等为医师提供了动态观察左心室是否正常运动的手段。然而，仅靠观察心脏运动状态诊断心血管疾病尚显不足，科研工作者正致力于准确量化心脏图像中左心室运动的研究。Valizadeh 等［3］在形变配准中引入心内膜形状信息以提高配准精度，但该法仅测量了左心室径向应变，对左心室完整运动的量化不够充分；Leong 等［4］结合钆增强和标记的磁共振图像融合信息分析心肌梗死患者的左心室运动，然而被标记的磁共振图像时空分辨率不高，较少应用于临床诊断心血管疾病；Mantilla 等［5］通过字典学习方法对左心室正常与异常运动进行分类，但该法不能导出左心室的运动细节，如位移场信息等；Qiao 等［6］分别采用传统配准方法与新兴卷积神经网络（Convolutional Neural Network，CNN）追踪左心室运动，与传统配准方法相比，当训练数据与测试数据来自相同健康志愿者时，CNN表现出更高的运动估计精度。……